본 논문은 의료 영상 진단에 필수적인 컴퓨터 단층촬영(CT) 데이터의 재구성 커널 차이로 인한 데이터 불일치 문제를 해결하기 위해, 다양한 재구성 커널 간의 CT 데이터 조화를 위한 새로운 텍스처 인식 StarGAN 모델을 제안합니다. 기존 GAN 기반 방법의 한계를 극복하기 위해, 다중 스케일 텍스처 손실 함수를 도입하여 공간 및 각도적 스케일에서 텍스처 정보를 조화 과정에 통합했습니다. 공개 데이터셋(197명 환자의 48667개 흉부 CT 슬라이스, 3가지 재구성 커널)을 사용한 실험 결과, 제안된 방법이 기존 StarGAN보다 우수한 성능을 보임을 확인했습니다.
