물리적 통찰력을 지닌 `AI` 등장…적혈구 이동·암 생검 등 영상 복원 가능

KAIST, AI 신뢰도 높이는 영상복원 기술 확보
빠르게 움직이느 적혈구, 생검 조직 영상 복원

KAIST는 학습하지 않은 데이터를 물리적 법칙으로 학습시킬 수 있는 인공지능 기술을 개발했다. KAIST 제공

3차원 공간에서 매우 빠르게 움직이는 적혈구 회절 영상을 AI 영상 복원 기술을 통해 선명하게 복원한 모습 KAIST 제공

AI(인공지능) 딥러닝 기술이 영상 학습 과정에서 발생하는 신뢰도 문제를 해결할 수 있는 영상 복원기술이 개발됐다.

KAIST는 장무석 바이오·뇌공학과 교수 연구팀과 예종철 김재철AI대학원 교수 연구팀은 공동으로 AI 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다.

딥러닝 기술은 영상 복원 속도가 기존 알고리즘에 비해 수백 배 이상 빠르고, 복원 정확도도 높아 계산 영상의 핵심 기술로 떠오르고 있다. 하지만, 주어진 학습 데이터에만 의존해 영상 취득 환경에 변화가 생기면 성능이 급격히 떨어지는 치명적인 약점을 갖고 있다. 실제로, 이세돌 9단과 알파고의 대국에서 학습하지 않은 수가 나오자 알파고 성능이 떨어졌다.

이처럼 인공지능은 학습하지 못했던 변수가 발생하면 신뢰도가 급격히 떨어지는 한계를 지니고 있다.

연구팀은 영상 취득 환경에서 발생하는 대부분의 변수가 물리적 법칙을 통해 수학적으로 기술이 가능하다는 점을 착안해 영상 정보 취득 과정에 물리적 통찰력을 AI가 학습하는 방법을 개발했다.

예를 들어, AI가 복원한 영상이 물리적으로 정확한지, 영상기기에서 발생할 물리적 변수 등을 인공지능이 학습할 수 있도록 구현한 것이다.

연구팀은 이를 토대로 3차원 공간상에서 매우 빠르게 움직이는 적혈구의 회절 영상으로부터 적혈구의 형태를 실시간 복원하는 데 성공했다. 동적인 영상 환경에서 예상치 못한 변수로 여러 개의 적혈구 덩어리가 복잡하게 겹쳐진다거나 적혈구가 예상하지 못했던 위치로 흘러가는 경우를 영상으로 정확하게 복원한 것이다.

연구팀은 또한 생검조직의 영상도 복원했다. 특정한 카메라 위치에서 측정된 회절 영상만 학습했음에도 AI가 학습되지 않은 다양한 카메라 위치에서도 물체를 인식하는 데 성공했기에 가능한 것이라고 연구팀은 설명했다.

이찬석 KAIST 연구원은 "물리적 법칙을 인공지능 학습에 결합해 학습 데이터에 대한 의존성을 해소할 수 있어 홀로그래피 영상뿐 아니라 초고해상도 영상, 3차원 영상 등 다양한 계산 영상기술에 활용할 수 있을 것"이라고 말했다.

이 연구결과는 국제 학술지 '네이처 머신 인텔리전스(지난달 17일자)'에 실렸다. 이준기기자 bongchu@dt.co.kr