CWN(CHANGE WITH NEWS) - 카이스트(KAIST), AI 물리적 학습 기반 ′영상 복원 딥러닝′ 기술 개발

카이스트(KAIST) 바이오및뇌공학과 장무석 교수팀과 김재철AI 대학원 예종철 교수팀이 공동연구를 통해 인공지능(AI)의 신뢰도 문제를 해결할 수 있는 물리적 학습기반의 영상 복원 딥러닝 기술을 개발했다.

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.)

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

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.

연구팀은 특정 카메라 위치에서 측정된 회절영상의 학습만으로 인공지능의 인지능력이 부가돼 다양한 카메라 위치에서도 물체를 인식하는데 성공, 생검 조직검사 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.

[ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]