ㆍ생성적 적대 신경망(GAN)으로 학습된 인공신경망을 사용하여 CT영상의 잡음을 제거하는 영상처리방법에 관한 기술

ㆍCT 촬영 시 환자에 미치는 방사선량을 최소화하는 기술 필요
- CT 촬영 시 방사선이 필수적으로 발생 → DNA 변형, 암 유발 등 인체에 부정적인 영향 발생
- 방사선량을 최소화할 경우 → 영상 잡음 증가 및 CT 영상 품질 저하로 의학적 판단 어려움 존재
- 딥러닝 알고리즘을 이용한 저선량 CT의 잡음제거 → 임상 환경과 차이가 있어 임상 적용의 한계

ㆍ가상 패치 생성 딥러닝 알고리즘 이용해 영상 잡음 개선 및 보정 가능
- 관전압 일치 및 관전류 증가로 획득한 환자 영상 → 저선량 영상에서 밝기를 유지하는 동시에 고선량 영상에서도 같이 잡음 제거 가능
- 기존 CT 장비에 탑재 가능 → 효율적으로 잡음제거 및 영상 화질 개선 가능
- 다양한 영상저하요인(i,e.,motion artifacts, metal artifacts)에 의한 영상보정에 확장 적용 가능

ㆍX-선, MICT, MRI, CT 등 영상의 잡음을 보정할 수 있는 기술 분야에 활용

ㆍ(세계 컴퓨터 단층촬영(CT) 시장) 41억 2,000만 달러 (’22) → 64억 9,000만 달러 (‘28) 규모 증가 예상 (CAGR 7.3%)
- 심혈관 질환이나 암 등의 만성질환 부담이 증가하여 CT 시스템 수요가 증가할 것으로 예상

ㆍ(세계 AI 기반의 의료 영상 시장) 14억 3,000만 달러 (’22) → 70억 1,000만 달러 (’28) 규모 증가 예상 (CAGR 30.4%)
- 질병의 조기 발견 및 진단, AI가 통합된 고급 영상 솔루션, 의료 디지털화, 신기술 개발 등으로 시장 성장