몬테카를로 시뮬레이션을 통해 레이저 치료 시 피부의 광학적 특성을 고려한 광열 손상을 모델링할 수 있으나, 정확한 계산 결과를 얻기 위해서는 방대한 양의 샘플링이 필요하여 계산 비용이 증가한다. 본 논문에서는 저샘플링 몬테카를로 시뮬레이션 데이터로부터 고샘플링 데이터를 복원할 수 있는 딥러닝 기반 노이즈 제거 방법을 제안한다. 피부 광 간섭 단층촬영(OCT) 이미지로부터 표면 형태를 추출한 뒤 저샘플링 및 고샘플링 몬테카를로 시뮬레이션 데이터를 생성하였다. 이후 U-Net, Restormer, NAFNet의 세 가지 노이즈 제거 신경망을 학습하여 결과를 비교하였다. 실험 결과 고해상도 데이터와의 평균제곱 오차(MSE)는 14.52, 최대 신호 대 잡음비(PSNR)는 49.46, 최댓값의 오차는 2.95로 높은 정확도를 보였으며 총 계산 시간 또한 고샘플링 시뮬레이션 대비 4.65배 감소하여 효율성을 확인하였다.
Seo et al. (Tue,) studied this question.