# Representation Paradigms in AI-based 3D Radiological Image Reconstruction: A Systematic Review

### 저자

Yuezhe Yang, Lei Bi, Boyu Yang, Yaqian Wang, Yang He, Yige Peng, Zhe Jin, Xingbo Dong, Jinman Kim

### 💡 개요

본 논문은 3D 방사선 영상 재구성 분야에서 AI 기반 접근 방식의 최신 연구를 체계적으로 검토합니다. 재구성된 영상을 어떻게 매개변수화하는지에 따라 이산 격자 표현, 명시적 기저 확장 표현, 명시적 원시 표현, 암시적 신경망 표현의 네 가지 표현 패밀리로 분류하고 각 방법론 간의 관계를 명확히 합니다. 특히, 암시적 신경망 표현의 특화된 하위 유형으로 라디언스 필드 방법론을 강조하며, 일반적인 평가 지표와 벤치마크 데이터셋을 요약합니다.

### 🔑 시사점 및 한계

- AI 기반 3D 방사선 영상 재구성은 진단 정확도를 높이고 환자의 방사선 노출을 줄이는 데 기여합니다.

- 재구성된 영상을 표현하는 다양한 방식(이산 격자, 기저 확장, 원시, 암시적 신경망)을 체계적으로 분류하고 그 관계를 이해하는 데 도움을 줍니다.

- 현재 기술 발전 현황, 주요 도전 과제, 그리고 향후 연구 방향을 제시하여 해당 분야의 발전에 기여합니다.

- 각 표현 방식의 장단점 및 특정 임상 적용에 대한 심층적인 비교 분석은 추가적인 연구가 필요합니다.

---

[PDF 보기](https://arxiv.org/pdf/2504.11349)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
