3D ResNet-based Method for Improving QQ Model Parameter Prediction Accuracy

뇌 질환은 높은 사망률을 보이므로 정확한 진단이 중요하며, 본 연구에서는 뇌 질환 진단의 정확도를 높이기 위해 QQ 모델의 5가지 생리학적 파라미터를 직접 예측하도록 맞춤 설계된 3D ResNet을 제안한다. 제안된 모델은 1개의 입력 계층, 4개의 Residual Block, 그리고 1개의 Conv3D 출력 계층으로 구성되며, 8개 TE 신호와 QSM 값으로부터 다중 파라미터를 동시에 학습·추정할 수 있도록 설계되었다. Residual Block 내부는 Conv3D-BatchNormalization-ReLU 연산을 반복 적용하고, 채널 불일치를 1×1×1 Conv로 보정하여, 복잡한 다채널 입력에서 안정적인 학습이 가능하도록 하였다. 실험 결과에 따르면 제안하는 모델은 기존 3D CNN 대비 향상된 성능을 보였다. 특히 산소추출률 계산에 활용되는 산소포화도의 RMSE는 2.31에서 1.94로 개선되었다.