Deformable Image Registration and Synthetic Image Generation System Based On Unsupervised Learning Using Diffusion Model and Method Thereof

본 발명은 디노이징 확산 확률 모델(DDPM)을 변형 필드 생성에 적용한 확산 모델을 이용한 비지도 학습 기반 변형 영상 정합 및 합성 영상 생성 시스템 및 그 방법에 관한 것이다. 본 발명에 따른 확산 모델을 이용한 비지도 학습 기반 변형 영상 정합 및 합성 영상 생성 시스템 및 그 방법은 동영상과 고정영상 간의 변형에 대한 스코어 함수를 학습하는 확산 네트워크와 스코어 함수의 잠재 기능(latent feature)을 이용하여 동영상에 대한 변형 필드를 추정하고 정합 영상을 제공하는 변형 네트워크로 이루어지며, 엔드 투 엔드 학습(end-to-end learning)에 의하여 함께 학습됨으로써, 동영상이 고정영상의 모양에 맞게 변형되는 방향으로의 마코브(Markov) 변환을 추정할 뿐 아니라 동영상에 대한 변형 필드를 제공할 수 있으며, 확산 모델의 스코어 함수로부터의 잠재 기능은 동영상/고정영상의 공간적 정보를 가지고 있기 때문에, 잠재 기능을 스케일링하면, 동영상에서 고정영상으로의 연속적인 궤적을 따라 영상 정합을 수행할 뿐만 아니라 빠른 역확산 프로세스를 통해 합성 변형 영상을 생성할 수 있으며, 2D 및 3D 영상 정합 작업에 적용될 수 있으며, 기존 방법과 유사한 위상 보존으로 정확한 변형을 제공할 수 있다는 특징이 있다.