연구진은 저선량 PET 이미지 디노이징 시 변화하는 저선량 인자(DRF)에 따른 성능 저하 문제를 해결하기 위해 UniPET라는 범용 PET 이미지 디노이징 네트워크를 제안했어요.
UniPET은 스타일 정렬 네트워크(SAN)와 영역 인지 학습 전략(RALS)이라는 두 가지 핵심 혁신을 포함하여 다양한 DRF 데이터 간 스타일 불일치를 해결하고 고품질 디노이징을 달성해요.
실험 결과, UniPET은 특정 DRF에서 개별 DRF별 모델과 유사한 성능을 보이며, 정량적, 시각적, 임상적으로 뛰어난 범용 PET 이미지 디노이징 성능을 보여줬어요.