PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.20594v2cs.CV

움직임에 강건한 망막 시계열 레이저 스펙클 대비 영상화를 위한 물리 기반 조건부 확산 모델

Physics-Informed Conditional Diffusion for Motion-Robust Retinal Temporal Laser Speckle Contrast Imaging

망막 레이저 스펙클 대비 영상화(LSCI)는 망막 혈류 역학을 모니터링하기 위한 비침습적 광학 방식입니다. 그러나 기존의 시계열 LSCI(tLSCI) 재구성은 안정적인 시간적 통계를 얻기 위해 충분히 긴 스펙클 시퀀스에 의존하므로, 획득 과정의 외란에 취약하고 유효 시간 해상도가 제한됩니다. 본 논문에서는 움직임에 강건하며 소수의 프레임만을 필요로 하는 망막 tLSCI를 위한 물리 기반 재구성 프레임워크인 RetinaDiff(망막 확산 모델)를 제안합니다. RetinaDiff에서는 대비 계산 전에 위상 상관 기반 정합을 먼저 적용하여 원시 스펙클 시퀀스를 안정화하고 프레임 간 불일치를 줄임으로써 각 픽셀의 변동이 주로 실제 혈류 역학을 반영하도록 합니다. 긴 정합 시퀀스로부터 이 단계는 재구성 타깃으로만 사용되는 고품질 다중 프레임 tLSCI 맵을 생성하는 한편, 소수의 입력 프레임으로부터 움직임이 보정된 대비 사전 분포(prior)를 독립적으로 계산합니다. 다음으로 이 사전 분포의 안내를 받아 조건부 확산 모델(diffusion model)이 정합된 소수 프레임 시퀀스와 사전 분포를 공동 조건으로 삼아 역재구성을 수행합니다. 자체 개발한 망막 LSCI 시스템으로 획득한 안정적인 시퀀스에서 RetinaDiff는 직접적인 5프레임 재구성과 비교하여 SSIM을 0.159에서 0.533으로, PSNR을 14.83에서 18.06 dB로, FID를 211.50에서 111.55로 향상시켰으며, 대표적인 베이스라인 대비 향상된 구조적 연속성과 통계적 안정성을 보여주었습니다. 또한 이 프레임워크는 직접적인 5프레임 입력과 기존 다중 프레임 재구성이 모두 심각하게 저하되는 소수의 극도로 까다로운 사례에서도 유효성을 유지합니다. 전반적으로 본 연구는 극히 제한된 프레임으로부터 신뢰할 수 있는 망막 tLSCI 재구성을 위한 실용적이고 물리적 기반을 갖춘 경로를 제공합니다. 소스 코드와 모델 가중치는 논문 채택 시 공개될 예정입니다.