Comparative Study of GAN-Based Models for Ultrasound Image Quality Enhancement Using a Paired Dataset

본 논문은 저화질 초음파 영상의 화질을 향상시키기 위해 GAN 기반 딥러닝 모델인 Pix2Pix, CycleGAN, ESRGAN을 대상으로, 짝지어진 데이터셋을 활용하여 동일한 조건 하에서 학습시키고 MSE, PSNR, SSIM, LPIPS, GMSD의 정량 지표를 통해 성능을 비교하였다. 데이터셋은 동일 피험자에 대해 채널 수를 달리하여 획득한 해상도 512×512 픽셀의 저화질–고화질 초음파 영상 총 828쌍으로 구성하였으며, 이 중 775쌍을 학습에, 53쌍을 테스트에 사용하였다. 세 모델 중, Pix2Pix는 평균 PSNR 지표에서 21.6836으로 가장 높은 화질과 세부 구조 복원 성능을 보였고, CycleGAN은 LPIPS과 GMSD 지표에서 각각 0.1791과 0.1603으로 지각적 화질 개선에서 가장 우수한 결과를 나타냈다. 반면 ESRGAN은 우수한 MSE와 SSIM의 지표와 함께 잡음 제거 효과는 뛰어났으나, LPIPS 0.3414, GMSD 0.1898을 나타내 전체적인 화질 개선 성능은 상대적으로 낮았다.