연구진이 다양한 저선량 PET 이미지에서 고품질 디노이징을 위한 범용 네트워크 'UniPET'을 개발했어요.
UniPET은 기존 방식의 스타일 제거 문제를 해결하기 위해 도메인 일반화 기법을 활용하여 다양한 저선량 데이터의 스타일을 정렬하고 복원하는 '스타일 정렬 네트워크(SAN)'를 도입했어요.
지역 인식 학습 전략(RALS)을 통해 평탄한 영역과 스타일화된 영역을 구분하여 스타일 복원을 더욱 효과적으로 유도하고, 다양한 저선량 PET 이미지에서 최첨단 성능을 달성했어요.
UniPET은 특정 DRF에서 개별 모델과 유사한 성능을 보이며, 범용 PET 이미지 디노이징에서 뛰어난 성능을 입증했어요.