흐릿한 그림자 영상…선명하게 복원한다

정종오 입력 2023. 2. 6. 10:24 수정 2023. 2. 6. 11:15
자동요약 기사 제목과 주요 문장을 기반으로 자동요약한 결과입니다.
전체 맥락을 이해하기 위해서는 본문 보기를 권장합니다.

흐릿하고, 확산된 그림자 형태의 적혈구 영상 등을 선명하게 복원할 수 있는 인공지능 기술이 나왔다.

이찬석 KAIST 바이오및뇌공학과 연구원은 "데이터와 물리 법칙을 동시에 학습하는 적응형 인공지능 기술은 홀로그래피 영상뿐 아니라 초고해상도 영상, 3차원 영상, 비시선 영상(장애물 뒷면을 보는 영상) 등 다양한 계산 영상 기술에 적용될 수 있을 것으로 기대된다"고 설명했다.

음성재생 설정
번역beta Translated by kaka i
글자크기 설정 파란원을 좌우로 움직이시면 글자크기가 변경 됩니다.

이 글자크기로 변경됩니다.

(예시) 가장 빠른 뉴스가 있고 다양한 정보, 쌍방향 소통이 숨쉬는 다음뉴스를 만나보세요. 다음뉴스는 국내외 주요이슈와 실시간 속보, 문화생활 및 다양한 분야의 뉴스를 입체적으로 전달하고 있습니다.

KAIST 연구팀, 영상 복원 인공지능 기술 개발

[아이뉴스24 정종오 기자] 흐릿하고, 확산된 그림자 형태의 적혈구 영상 등을 선명하게 복원할 수 있는 인공지능 기술이 나왔다.

이를 응용하면 빠르게 흘러 다니는 적혈구, 다양한 장기의 생검 조직 영상을 통해 암과 같은 질병에 대한 세포 수준의 병리학적 변환 관측을 통한 조기 진단 활용이 가능하다. 의료 영상뿐 아니라 군용 감시, 자율주행용 영상 등 다양한 차세대 정밀 영상 기술 분야에 적용할 수 있다.

한국과학기술원(KAIST, 총장 이광형)은 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 발표했다.

오른쪽 그림과 같이 변화하는 환경에선 적혈구의 회절 영상(확산된 그림자 형상)이 다양한 형상으로 나타난다. 스마트 인공지능 기술을 활용하면 왼쪽 그림과 같이 적혈구의 영상 정보를 높은 해상도로 복원 가능하다. [사진=KAIST]

연구팀은 영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안해 물리적 법칙과 심층 신경망이 통합된 학습 기법을 제시했다.

모든 영상 기술은 물리적 영상 기기를 통해 영상 정보를 얻는다. 연구팀은 이 정보 취득 과정에 대한 물리적 통찰력을 인공지능에 학습시키는 방법을 개발했다. 예컨대 '네가 도출한 복원 결과가 물리적으로 합당할까?' 혹은 '이 영상 기기는 물리적으로 이런 변수가 생길 수 있을 것 같은데?'라는 식의 질문을 통해 물리적 통찰력을 인공지능에 이식하는 방법을 제시한 것이다.

연구팀은 변화하는 영상 취득 환경에서도 신뢰도 높은 홀로그래피 영상 을 복원하는데 성공했다. 홀로그래피 영상은 물체의 그림자 패턴(회절 패턴)으로부터 물체의 형태를 복원하는 영상 기법이다. 일반적 영상 기술과 달리 위상 변화에 의한 물체의 미세 구조를 감지할 수 있는 영상 기술

홀로그래피 영상 기술은 의료 영상, 군용 감시, 자율 주행용 영상 등 다양한 정밀 영상 기술에 다양하게 활용될 수 있는데, 이번 연구는 의료 진단 분야의 활용성을 집중적으로 검증했다.

연구팀은 먼저 3차원 공간상에서 매우 빠르게 움직이는 적혈구의 회절 영상(확산된 그림자형상)으로부터 적혈구의 형태를 실시간으로 복원하는데 성공했다. 이런 동적인 영상 환경에서 예상치 못한 변수로는 여러 개의 적혈구 덩어리가 복잡하게 겹쳐진다거나 적혈구가 예상하지 못했던 위치로 흘러가는 경우를 생각해 볼 수 있다.

연구팀은 인공 지능이 생성한 영상이 합당한 결과인지 빛 전파 이론을 통해 검산하는 방식으로 물리적으로 유효한 복원 신뢰도를 구현하는데 성공했다.

연구팀은 암 진단의 표준기술로 자리 잡고 있는 생검 조직(생체에서 조직 일부를 메스나 바늘로 채취하는 것)의 영상 복원에도 성공했다. 주목할 점은 특정한 카메라 위치에서 측정된 회절 영상만을 학습했음에도 인공지능의 인지능력이 부가돼 다양한 카메라 위치에서도 물체를 인식하는데 성공했다는 점이다.

이번에 구현된 기술은 세포 염색 과정이나 수 천 만원에 달하는 현미경이 필요하지 않아 생검 조직 검사의 속도와 비용을 크게 개선할 수 있을 것으로 기대된다.

이찬석 KAIST 바이오및뇌공학과 연구원은 "데이터와 물리 법칙을 동시에 학습하는 적응형 인공지능 기술은 홀로그래피 영상뿐 아니라 초고해상도 영상, 3차원 영상, 비시선 영상(장애물 뒷면을 보는 영상) 등 다양한 계산 영상 기술에 적용될 수 있을 것으로 기대된다"고 설명했다.

KAIST 바이오및뇌공학과 이찬석 박사과정이 제1 저자로 참여한 이번 연구(논문명: Deep learning based on parameterized physical forward model for adaptive holographic imaging with unpaired data)는 국제 학술지 '네이처 머신 인텔리전스(Nature Machine Intelligence)'에 지난 1월 17일자로 실렸다.

/정종오 기자(ikokid@inews24.com)

▶네이버 채널에서 '아이뉴스24'를 구독해주세요.

▶재밌는 아이뉴스TV 영상보기▶아이뉴스24 바로가기

[ⓒ 아이뉴스24 무단전재 및 재배포 금지]

Copyright © 아이뉴스24. 무단전재 및 재배포 금지.

이 기사에 대해 어떻게 생각하시나요?