라이브 인터랙티브 데모
N2V MRI 잡음 제거
깨끗한 참조 영상 없이 MRI 스캔에서 잡음을 제거하는 자기 지도 학습 딥러닝. 임의의 뇌 슬라이스를 탐색하세요 — 원시 스캔, 잡음 제거 출력, 픽셀 수준 차이 맵을 실시간으로 확인하세요.
80전체 슬라이스
480 × 480해상도 (px)
7 T자기장 세기
Noise2Void알고리즘
잡음 제거가 필요한 이유
> 40%
7T에서 Noise2Void 적용 후 SNR 향상
자기 지도 학습 · 쌍을 이루는 깨끗한 데이터 불필요
7T 시스템의 원시 MRI 스캔에는 진단 신뢰도를 저하시키는 공간적으로 상관된 잡음이 포함되어 있습니다. Noise2Void는 깨끗한 참조 영상 없이 잡음이 있는 획득 자체에서 직접 학습하여 이 잡음을 제거합니다.
AlgorithmNoise2Void (N2V)
TrainingSelf-supervised (no paired data)
Input2D axial slices (DICOM / NIfTI)
ProcessingSlice-by-slice · on-premise
인터랙티브 데모
임의의 뇌 슬라이스를 전후로 탐색하세요
비교 슬라이더를 드래그하거나 3패널 나란히 보기로 전환하세요.
나란히 보기슬라이스 탐색차이 맵AI 서비스 · 라이브
슬라이스 41 / 80
원본 입력
잡음 제거 출력
차이 맵
슬라이스 1 — 상부슬라이스 80 — 하부
DATASET·7T T₂-weighted brain MRIMODEL·Noise2Void U-NetAPI·Live inference · port 6001
방법론
Noise2Void 작동 원리
01
자기 지도 학습 훈련
N2V는 노이즈가 있는 MRI 영상에서 직접 훈련합니다 — 쌍을 이루는 깨끗한 스캔이 필요 없습니다. 무작위 픽셀이 마스킹되고 네트워크는 주변 이웃으로부터 이를 예측하는 법을 학습합니다.
02
블라인드 스팟 추론
U-Net이 주변 맥락만으로 각 픽셀의 실제 신호를 예측합니다. 잡음은 픽셀당 통계적으로 독립적이기 때문에 네트워크는 신호와 잡음을 분리하는 법을 학습합니다.
03
슬라이스별 출력
각 2D 축방향 슬라이스가 밀리미터 이하 정밀도로 독립적으로 잡음이 제거됩니다. 표준 워크스테이션 하드웨어에서 10분 이내에 전체 3D 체적 처리가 완료됩니다.