다중 View 적대 학습 기반 변형 정합

복부 CT 정합 시 큰 변형으로 인한 영상 왜곡을 줄이기 위해, Transformer 기반 Coarse-to-Fine 정합과 Multi-view Adversarial Learning을 결합하여 사실적이고 신뢰할 수 있는 변형 정합 구현

복부 CT 간 변형 정합(Deformable Image Registration) 과정에서 큰 변형으로 인해 발생하는 영상 왜곡이 정합 품질과 신뢰성을 저하시키는 문제가 있다. 본 연구에서는 이를 해결하기 위해 큰 변형에 강건한 Transformer 기반의 Coarse-to-Fine 정합 모델과 큰 변형 시 발생하는 오변형을 규제하는 Multi-view Adversarial Learning을 제안하였다. 이를 통해 보다 사실적이고 임상적으로 신뢰할 수 있는 정합 결과를 달성하였다.

(Jang et al., 2026)

다중 View 적대 학습 기반 변형 정합.

References

2026

  1. AD_DIR.png
    Deformable Medical Image Registration via Multiview Adversarial Learning
    Hyensoo Jang, (Co-First Author) Jonghoon An, and Minyoung Chung
    Biomedical Signal Processing and Control, 2026