의료 영상 재구성을 위한 확산 모델

의료 영상 재구성을 위한 더 나은 알고리즘은 이미지 품질을 향상시키고 획득 시간 및 방사선 용량을 줄일 수 있습니다. 그 혜택을 실현하기 위해서는 개연성 있는 이미지 분포에 대한 사전 이해가 중요합니다. 최근 딥러닝 이미지 재구성 연구에서는 고품질 의료 이미지(즉, 쌍을 이루는 스캐너 측정 데이터가 필요하지 않음)만을 사용하여 훈련된 비지도 확산 모델을 활용하는 방향으로 연구가 시작되었습니다. 비지도 확산 모델을 통합한 이미지 재구성 알고리즘은 이미 고속 MRI에서 초저선량 PET에 이르는 재구성 작업들에 대해 최첨단 정확도를 달성했습니다. 확산 모델 접근 방식의 주요 장점은 이미지 분포 모델링의 최첨단 수준, 도메인 이동에 대한 개선된 견고성, 그리고 재구성 불확실성의 원칙적인 정량화입니다. 환각 우려가 완화될 수 있다면, 이러한 알고리즘의 주요 장점과 인상적인 성능으로 인해 이전의 딥러닝 접근 방식보다 임상 사용에 더 적합할 수 있습니다. 이 리뷰에서는 이미지 재구성과 확산 모델에 대한 접근 가능한 소개를 제공하고, 확산 모델 기반 재구성 방법론을 사용하는 안내를 개요하며, 모달리티별 도전 과제를 요약하고, 주요 연구 주제를 식별합니다. 우리는 의료 영상 재구성을 위한 확산 모델 사용의 기회와 도전에 대해 논의하면서 결론을 맺습니다.