한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

DEA-Net과 BRAU-Net++ 모델을 이용한 X-ray 영상 개선 기법

X-ray Image Enhancement Techniques using DEA-Net and BRAU-Net++ Models

  • 박원진 (한동대학교 전산전자공학부) ;
  • 김경우 ((주)제이피아이헬스케어) ;
  • 오예은 (한동대학교 전산전자공학부) ;
  • 이수민 (한동대학교 전산전자공학부) ;
  • 김호준 (한동대학교 전산전자공학부)
  • Won-Jin Park (School of Computer Science and Electrical Engineering Handong Global University) ;
  • Kyung-Woo Kim (JPI Healthcare Co., Ltd) ;
  • Ye-Eun Oh (School of Computer Science and Electrical Engineering Handong Global University) ;
  • Su-Min Lee (School of Computer Science and Electrical Engineering Handong Global University) ;
  • Ho-Joon Kim (School of Computer Science and Electrical Engineering, Handong Global University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 X-ray 영상에서 산란선 보정과 아티팩트 억제 및 선명도 개선을 위한 딥러닝 기법을 제시한다. 학습에 사용되는 흉부 X-ray 영상에서 배경영역 등 ROI가 아닌 영역의 특성으로부터 학습효과가 저하되는 현상을 보완하기 위하여 좌우 폐영역 등 조직구조를 분할하고 영역별로 학습하는 기법을 고려한다. 이를 위하여 BRAU-Net 기반의 조직구조 분할 기법을 제시하며, 흉부 X-ray 영상의 산란선 보정 문제에 대하여 DEA-Net, MB-TaylorFormer 모델을 사용한 방법을 제안하였다. 총 290개의 흉부 X-ray 영상을 사용한 실험을 통하여 제안된 이론의 타당성을 평가하였다.

키워드

과제정보

본 연구는 2024년 과학기술정보통신부 및 정보통신기획평가원의 SW중심대학사업 지원을 받아 수행되었음(2023-0-00055)

참고문헌

  1. Libin Lan, Pengzhou Cai, Jiang, Lu Jiang, Xiaojuan Liu, Yongmei Li, Yudong Zhang, "BRAU-Net++: U-Shaped Hybrid CNN-Transformer Network for Medical Image Segmentation." arXiv preprint arXiv: 2401.00722, 2024.
  2. Zixuan Chen, Zewei He, Zhe-Ming Lu, "DEA-Net: Single image dehazing based on detail-enhanced convolution and content-guided attention", arXiv preprint arXiv:2301.04805, 2023.