비접촉 확산광학단층촬영(Diffuse Optical Tomography, DOT) 기술은 전통적인 DOT 기술에 비해 더 높은 공간 수집 밀도를 가지며, 시스템에서 탐지기의 동적 범위가 실험 결과에 큰 영향을 미칩니다. 시뮬레이션과 실험을 통해 동적 범위가 너무 작은 탐지기가 재구성 결과에 미치는 영향을 연구하고, 딥러닝을 이용해 탐지기의 동적 범위를 확장하는 방법을 제안하였습니다. NIRFSAT 소프트웨어 패키지에서 서로 다른 흡수 및 산란 팬텀과 입사 광장 파라미터를 설정하고, 대량으로 학습 샘플을 생성하며, 완전 연결 네트워크를 구성하여 모델을 학습시킨 후, 시뮬레이션 및 광학 실험 조건에서 탐지기로 획득한 데이터를 해당 모델로 복원하였습니다. 실험 데이터 복원 및 재구성 결과 모델이 저동적 범위 탐지기로 얻은 데이터를 복원하여 탐지기의 동적 범위를 256에서 10⁹로 확장하였음을 보여주었습니다. 이 방법은 탐지기 동적 범위가 너무 작아 발생하는 재구성 오차를 효과적으로 줄일 수 있으며, 일반 저동적 범위 탐지기를 이용한 비접촉 DOT에 효과적인 기술적 해결책을 제공합니다.

확산광학단층촬영; 딥러닝; 비접촉 시스템; 데이터 복원