서지주요정보
Unsupervised learning for dental CT metal artifact reduction using CycleGAN with CBAM = CycleGAN과 컨볼루션 블록 주의 모듈을 사용한 치아 CT 금속 인공음영 제거 비지도 학습
서명 / 저자 Unsupervised learning for dental CT metal artifact reduction using CycleGAN with CBAM = CycleGAN과 컨볼루션 블록 주의 모듈을 사용한 치아 CT 금속 인공음영 제거 비지도 학습 / Lee, Junghyun.
저자명 LEE, JUNGHYUN ; 이정현
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036497

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MBIS 20025

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

Metal artifact reduction(MAR) is one of the most important issues in Dental computed tomography (CT). Various methods have been suggested for metal artifact removal, among which supervised learning methods are most popular. However matched non-metal - and metal - real CT image pairs are dicult to obtain. In this paper, we propose an unsupervised MAR method for CT using attention cycle-consistent adversarial network. The proposed method is based on unsupervised learning scheme using adversarial loss and cycle-consistency loss to overcome the none of paired data. Moreover adding the convolutional block attention module (CBAM) layers, we can get more improved MAR image and preserve the detailed texture of the original image compare to standard cycle-consistent adversarial network.

금속 인공음영 제거는 치아 CT에서 가장 중요한 이슈중에 하나이다. 다양한 금속 인공음영 제거 방법 중 지도 학습이 가장 대중적이다. 그러나 비금속 CT 이미지와 금속 CT 이미지 짝을 맞춰서 구하기는 어렵다. 이 논문에서는 비지도 학습으로 금속 인공음영 제거 방법으로 집중 CycleGAN 네트워크를 제안한다. 제안하는 학습 방법은 대립적인 손실함수와 순환되는 일관성 함수를 사용하여 짝인 없는 데이터를 극복한다. 게다가 컨볼루션 블록 주의 모듈층을 더해서 우리는 향상된 금속 인공음영이 제거된 영상을 얻을수 있고 기본적인 CycleGAN 네트워크를 사용했을 때보다 원래 이미지의 자세한 질감이 유지지킬 수 있다.

서지기타정보

서지기타정보
청구기호 {MBIS 20025
형태사항 iii, 30 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 이정현
지도교수의 영문표기 : Jongchul Ye
지도교수의 한글표기 : 예종철
학위논문 학위논문(석사) - 한국과학기술원 : 바이오및뇌공학과,
서지주기 References : p. 26-28
주제 metal artifact removal
dental CT
unsupervised Learning
cycle-consistent adversarial network
convolutional block attention module
금속 인공음영 제거
치아 CT
비지도학습
CycleGAN
컨볼루션 블록 주의 모듈
QR CODE qr code