의학 영상은 임상 진단에 필수적이지만, 실제 데이터는 종종 손상, 노이즈, 잠재적인 조작으로 인해 AI 기반 해석의 신뢰성을 저해합니다. 기존의 재구성 기술은 픽셀 수준의 복구에 중점을 두어 해부학적 충실도를 손상시키면서 시각적으로 그럴듯한 출력을 생성할 수 있습니다. 본 논문은 임상적으로 관련된 구조를 복원하는 과정에서 보존하기 위해 하이 레벨 잠재 임베딩과 하이브리드 U-Net 아키텍처를 통합하는 시맨틱 인식 의학 영상 재구성 프레임워크를 제안합니다. 신뢰성과 책임을 보장하기 위해, 대규모 그래프 디자인을 사용하여 가벼운 블록체인 기반 프로비넌스 레이어를 통합하여 상당한 오버헤드 없이 각 재구성 이벤트를 검증 가능하게 기록할 수 있도록 했습니다. 여러 데이터 세트와 손상 유형에 대한 광범위한 평가를 통해 기존 접근 방식에 비해 구조적 일관성, 복원 정확성 및 프로비넌스 무결성이 향상됨을 입증했습니다. 시맨틱 기반 재구성과 안전한 추적성을 결합함으로써, 본 솔루션은 의료 영상 분야에서 신뢰할 수 있는 AI를 발전시켜 의료 환경에서 진단 신뢰도와 규정 준수를 향상시킵니다.
