본 논문은 딥러닝을 활용하여 저선량 CT 영상의 잡음을 제거하는 문제를 다룹니다. 저선량 CT는 방사선 노출을 줄이지만, 더 많은 잡음을 유발하여 진단에 영향을 미칠 수 있습니다.
Cycle-GAN에서 영감을 받아 U-Net 구조, 주의 메커니즘, 잔차 네트워크를 결합한 비지도 학습 프레임워크를 제안하며, 의료 영상의 특징을 고려한 지각적 손실 함수를 도입했습니다.
실제 저선량 CT 데이터셋을 구축하고 다양한 실험을 통해 제안 방법을 검증했으며, 의료 전문가의 평가를 통해 임상적 요구를 충족하는 것으로 나타났습니다.