볼륨 데이터는 3차원 내부 정보를 가지고 있어서 정량적인 분석이 가능하다. 특히 의료영상 데이터는 인체 내부 구조를 3차원으로 시각화 할 수 있으나 이를 위해서는 균등한 복셀이 필요하다. 하지만 CT 데이터의 경우 방사선량을 줄이기 위해 슬라이스 이미지 사이의 간격이 넓은 볼륨 데이터를 얻는 경우가 있다. 이 경우, 3차원으로 재구성할 때 불연속적으로 시각화되거나 정량적인 오차를 유발할 수 있어 이미지 보간이 필요하게 된다. 본 논문에서는 고화질의 슬라이스 이미지로부터 CT 이미지 슬라이스 간의 보간에 필요한 정보를 자기지도학습으로 유추하는 방법을 제안하고자 한다. 이를 위하여 축소한 슬라이스 이미지를 신경망의 입력값으로 넣고, 신경망은 이 이미지를 원본 이미지로 복원하는 과정을 학습한다. 본 연구에서 제안하는 방법은 최근접 이웃 보간법과 삼선형 보간법보다 세부 정보를 유추하는 장점을 보이고 참값을 가지고 지도 학습으로 학습한 신경망 결과보다 성능이 저하되지 않음을 확인하였다.