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.
