연구진이 CT-PET 이미지 합성을 위한 Dual-Domain Equivariant Generative Adversarial Network (DDE-GAN)을 개발했어요. 기존 GAN 방식의 구조적 한계를 극복하기 위해 공간 및 주파수(푸리에) 영역에서 동시에 학습해요.
CT 및 PET 측정의 회전 등변성을 손실 함수에 통합하여 해부학적 정확도를 높였고, HECKTOR 2022 데이터셋 평가 결과 기존 모델보다 우수한 합성 품질을 보여줬어요.
DDE-GAN은 다중 영역 학습과 기하학적 등변성을 결합하여 다중 모드 이미지 합성의 정확도와 강건성을 향상시켜 PET 완성 및 데이터 증강에 활용될 수 있어요.