KAIST, 환경변화에 대응하는 영상 복원 인공지능 기술개발

기사내용 요약
장무석·예종철 교수, 환경변화 학습 및 물리적 통찰력 가진 AI 기술
적혈구, 다양한 장기 생검조직 영상 확보 가능
세포 수준의 병리학적 변환 관측으로 조기 진단가능

[대전=뉴시스] 물리법칙을 통해 학습하는 스마트 인공지능 기술 구상도. 오른쪽 그림과 같이 변화하는 환경에선 적혈구의 회절영상(확산된 그림자 형상)이 다양한 형상으로 나타나지만 스마트 인공지능 기술을 활용하면 왼쪽 그림 처럼 적혈구의 영상정보를 높은 해상도로 복원 가능하다. *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = KAIST는 바이오및뇌공학과 장무석 교수팀과 김재철AI 대학원 예종철 교수팀이 공동연구를 통해 인공지능(AI)의 신뢰도 문제를 해결할 수 있는 물리적 학습기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다.

공동 연구팀은 영상 취득환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안, 물리적 법칙과 심층 신경망이 통합된 학습기법을 제시했다.

연구팀은 "모든 영상기술은 물리적인 영상기기를 통해 영상정보를 취득하기 때문에 정보 취득과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발했다"며 "질문을 통해 물리적 통찰력을 인공지능에 이식하는 방법"이라고 설명했다.

홀로그래피 영상기술은 의료영상, 군용감시, 자율주행용 영상 등 다양한 정밀영상기술에 활용될 수 있으며 이번 연구에서 연구팀은 의료진단 분야의 활용성을 집중검증해 변화하는 영상 취득환경에서도 신뢰도 높은 홀로그래피 영상을 복원하는데 성공했다.

검증에서 연구팀은 매우 빠르게 움직이는 적혈구의 회절영상(확산된 그림자형상)으로부터 적혈구의 형태를 실시간으로 복원해 냈고 암 진단의 표준기술로 자리잡고 있는 생검조직(생체에서 조직 일부를 메스나 바늘로 채취하는 것)의 영상복원에도 성공했다.

이번에 연구팀은 특정 카메라 위치에서 측정된 회절영상의 학습만으로 인공지능의 인지능력이 부가돼 다양한 카메라 위치에서도 물체를 인식하는데 성공, 생검 조직검사의 속도와 비용을 크게 개선할 수 있을 것으로 기대하고 있다.

딥러닝 기술은 영상복원 속도가 기존 보다 수백 배 이상 빠르고 복원 정확도도 높지만 주어진 학습 데이터에만 의존하기 때문에 영상 취득환경에 변화가 생기면 성능이 급격히 떨어지는 약점이 있었다.

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

이찬석 연구원은 "데이터와 물리법칙을 동시에 학습하는 적응형 AI기술은 홀로그래피 영상뿐만 아니라 다양한 계산영상 기술에 적용될 수 있을 것"이라며 "향후 무작위적인 잡음이나 데이터 형태에 제약받지 않는 범용 복원 알고리즘을 개발하는 데 주력하겠다"고 말했다.

☞공감언론 뉴시스 kys0505@newsis.com