Performance Evaluation of Super Resolution Image Restoration Using U-net Deep Learning Network in T2 TSE MRI

자기공명영상(MRI) 기술은 연부조직의 신호를 수집해 디지털 영상으로 변환하는 방법이며, T2 고속 스핀 에코 기법은 짧은 획득 시간과 높은 영상 품질로 병변 검출에 널리 사용된다. 저해상도 영상을 고해상도로 복원할 때 일반적으로 선형 보간법이 사용되었지만, 최근에는 딥러닝 기반 알고리즘을 활용한 초고해상도 복원 연구가 주목받고 있다. 본 연구는 U-Net 딥러닝 네트워크와 선형 보간법을 사용해 저해상도 T2 영상을 고해상도로 복원하고, 원본 MRI 영상과의 유사도를 비교하였다. 512 × 512 해상도의 M RI 데이터를 기반으로 128 × 128 및 256 × 256 저해상도 영상을 생성 후 복원하였으며, PSNR과 SSIM 평가 결과, U-Net 모델을 활용한 초고해상도 영상이 기존 선형 보간법보다 원본 영상에 더 유사함을 확인하였다.