소아 CT 데이터의 효과적인 잡음 제거: 성인 CT 데이터 기반 미세조정 기법의 적용

• 영문명: Effective Noise Reduction in Pediatric CT Data: Application of Fine-Tuning Techniques Utilizing Adult CT Data
• 발행기관: 대한CT영상기술학회
• 저자명: 박경진(Kyoung-Jin Park)
• 간행물 정보: 『대한CT영상기술학회지』제27권 제2호, 5~15쪽, 전체 11쪽
• 주제분류: 의약학 > 방사선과학
• 파일형태: PDF
• 발행일자: 2025.09.30

국문 초록

소아 CT는 방사선 피폭을 최소화하기 위해 저선량으로 촬영되므로 성인 CT에 비해 영상 내 잡음이 많고, 이로 인해 딥러닝 기반 잡음 제거 모델의 성능 저하가 발생한다. 본 연구는 이러한 문제를 해결하고자, 대규모 성인 CT 데이터로 사전학습된 잡음 제거 합성곱 신경망(Denoising Convolutional Neural Network; DnCNN)을 소량의 소아 CT 데이터에 대해 미세조정(finetuning)하여 성능을 향상시키는 방법을 제시하였다. 연구에서는 성인 복부 CT 영상으로 사전학습된 DnCNN 모델에 연령대별(신생아-영아, 유아, 어린이, 청소년)로 분류된 소아 복부 CT 데이터를 적용하였다. 모델의 마지막 합성곱(convolutional) 층부터 1, 3, 5, 7개 층을 순차적으로 미세조정하며 연령 그룹별 최적 학습 전략을 탐색하였다. 성능 평가는 피크 신호 대 잡음비(Peak Signal-to-Noise Ratio; PSNR)와 구조적 유사도 지수(Structural Similarity Index Measure; SSIM)를 활용하여 정량적으로 수행하였다. 실험 결과, 모든 소아 연령대에서 미세조정을 적용한 경우 PSNR과 SSIM 수치가 통계적으로 유의하게 향상되었으며,(p<0.05) 특히 성인과 해부학적 차이가 큰 신생아-영아 및 유아 그룹에서는 미세조정하는 층의 수가 많을수록 성능이 지속적으로 증가하였다. 반면, 성인과 해부학적으로 유사한 청소년 그룹에서는 단 1개 층만 미세조정했을 때 성능이 가장 우수하였고, 층 수가 많아질수록 과적합에 따른 성능 저하가 나타났다. 본 연구는 전이학습 기반 미세조정이 소아 CT 영상의 잡음 제거에 효과적인 해결책임을 입증하였으며, 특히 대상의 연령에 따라 미세조정의 깊이를 다르게 적용하는 맞춤형 전략이 최적의 성능을 위해 필수적임을 시사한다.

영문 초록

High noise in low-dose pediatric CT impairs the performance of deep learning denoising models. This study investigates optimizing denoising by fine-tuning a denosing convolution neural network (DnCNN), pre-trained on adult CT data, with small, age-stratified pediatric datasets. We sequentially fine-tuned the final 1, 3, 5, and 7 convolutional layers and evaluated performance using the peak signal-to-noise ratio (PSNR) and the structural similarity index measure (SSIM). Results showed that fine-tuning significantly improved denoising for all age groups.(p<0.05) Notably, performance in younger age groups improved as more layers were fine-tuned, whereas for adolescents, fine-tuning a single layer was optimal to avoid overfitting. Our findings demonstrate that transfer learning is an effective approach and highlight that an age-specific fine-tuning depth is crucial for maximizing denoising performance in pediatric CT.

목차

I. INTRODUCTION

II. MATERIAL AND METHODS

III. RESULT

IV. DISCUSSION

V. CONCLUSION

REFERENCES

키워드

소아 CT 미세조정 기법 잡음 제거 사전학습 pediatric CT fine-tuning techniques noise reduction pre-training