UPDATED. 2024-03-29 15:12 (금)
KAIST, 똑똑한 영상 복원 인공지능 기술 개발
KAIST, 똑똑한 영상 복원 인공지능 기술 개발
  • 최아름 기자
  • 승인 2023.02.06 15:30
  • 댓글 0
이 기사를 공유합니다

장무석 바이오및뇌공학과 교수
예종철 김재철AI대학원 교수 공동연구팀
적혈구 복원 영상. [사진=KAIST]

[정보통신신문=최아름기자]

변화하는 환경에 적응, 학습하는 물리적 통찰력을 가진 인공지능 기술이 국내에서 개발됐다.

KAIST는 장무석 바이오및뇌공학과 교수 연구팀과 예종철 김재철AI 대학원 교수 연구팀이 공동 연구를 통해 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다.

딥러닝 기술은 영상 복원 속도가 기존 알고리즘 대비 수백 배 이상 빠를 뿐만 아니라 복원 정확도 역시 높다. 하지만, 주어진 학습 데이터에만 의존하는 딥러닝 기술은 영상 취득 환경상에 변화가 생기면 성능이 급격히 저하되는 치명적인 약점이 있다. 이는 알파고와 이세돌 9단과의 대국 시 `신의 한 수'에 의해 알파고의 성능이 급격하게 저하됐던 사례를 떠올리면 쉽게 이해할 수 있다. 즉, 인공지능이 학습하지 못했던 변수(학습 데이터상에 존재하지 않는 수)가 발생할 때 신뢰도가 급격히 낮아지는 인공지능 기술의 근본적인 문제이기도 하다.

리 법칙을 통해 학습하는 스마트 인공지능 기술의 구상화. 오른쪽 그림과 같이 변화하는 환경에선 적혈구의 회절 영상(확산된 그림자 형상)이 다양한 형상으로 나타남에도 불구하고, 스마트 인공지능 기술을 활용하면 왼쪽 그림과 같이 적혈구의 영상 정보를 높은 해상도로 복원이 가능하다. [출처=KAIST]
물리 법칙을 통해 학습하는 스마트 인공지능 기술의 구상화. 오른쪽 그림과 같이 변화하는 환경에선 적혈구의 회절 영상(확산된 그림자 형상)이 다양한 형상으로 나타남에도 불구하고, 스마트 인공지능 기술을 활용하면 왼쪽 그림과 같이 적혈구의 영상 정보를 높은 해상도로 복원이 가능하다. [출처=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 물리적인 영상 기기를 통해 영상 정보를 취득한다. 연구팀은 이 정보 취득 과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발했다. 예를 들면, `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 영상을 복원하는 데 성공했다. 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.

홀로그래피 영상은 물체의 그림자 패턴(회절 패턴)으로부터 물체의 형태를 복원하는 영상 기법, 일반적인 영상 기술과 달리 위상 변화에 의한 물체의 미세 구조를 감지할 수 있는 영상 기술이다.

연구팀은 먼저 3차원 공간상에서 매우 빠르게 움직이는 적혈구의 회절 영상(확산된 그림자형상)으로부터 적혈구의 형태를 실시간으로 복원하는 데 성공했다. 이러한 동적인 영상 환경에서 예상치 못한 변수로는 여러 개의 적혈구 덩어리가 복잡하게 겹쳐진다거나 적혈구가 예상하지 못했던 위치로 흘러가는 경우를 생각해 볼 수 있다. 여기서, 연구팀은 인공 지능이 생성한 영상이 합당한 결과인지 빛 전파 이론을 통해 검산하는 방식으로 물리적으로 유효한 복원 신뢰도를 구현하는 데 성공했다.

빠르게 흘러가는 적혈구의 실시간 위상 영상 복원 결과. 동 기술을 활용하여 빠르게 움직이는 적혈구의 영상을 높은 해상도로 복원 가능함을 보여준다. [출처=KAIST]
빠르게 흘러가는 적혈구의 실시간 위상 영상 복원 결과. 이 기술을 활용해 빠르게 움직이는 적혈구의 영상을 높은 해상도로 복원 가능함을 보여준다. [출처=KAIST]

연구팀은 암 진단의 표준기술로 자리잡고 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 인식하는 데 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.

물리적 통찰력을 인공지능에 이식하는 영상 복원 기술은 의료 진단 분야뿐만 아니라 광범위한 영상 기술에 활용될 것으로 기대된다. 최근 영상 기술 산업계(모바일 기기 카메라, 의료 진단용 MRI, CT, 광 기반 반도체 공정 불량 검출 등)에선 인공지능 솔루션 탑재가 활발히 이루어지고 있다. 영상 취득에 사용되는 센서, 물체의 밝기, 물체까지의 거리와 같은 영상 취득 환경은 사용자마다 다를 수밖에 없어 적응 능력을 갖춘 인공지능 솔루션에 대한 수요가 큰 상황이다. 현재 대부분의 인공지능 기술은 적응 능력 부재로 신뢰도가 낮은 문제 때문에 실제 현장에서 활용성이 제한적인 상황이다.

결장 조직 이미지 복원 결과. a, 서로 다른 위치에서 측정된 결장 조직의 회절 영상. 위치에 따라 결장 조직의 회절 패턴(확산된 그림자 형상)의 양상이 변화함. b, 측정된 회절 영상의 거리 예측 결과 및 위상 영상 복원 결과. 인공 지능 학습에는 거리가 20 mm 인 데이터만 사용했음에도 10 –40 mm 만큼 넓은 거리 범위에서 영상이 신뢰도 높게 복원됨을 보여준다. [출처=KAIST]
결장 조직 이미지 복원 결과. a, 서로 다른 위치에서 측정된 결장 조직의 회절 영상. 위치에 따라 결장 조직의 회절 패턴(확산된 그림자 형상)의 양상이 변화함. b, 측정된 회절 영상의 거리 예측 결과 및 위상 영상 복원 결과. 인공 지능 학습에는 거리가 20 mm 인 데이터만 사용했음에도 10 –40 mm 만큼 넓은 거리 범위에서 영상이 신뢰도 높게 복원됨을 보여준다. [출처=KAIST]

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

연구진은 "이번 연구를 통해 인공지능 학습에 있어서 학습 데이터에 대한 강한 의존성(신뢰도 문제)을 물리적 법칙을 결합해 해소했을 뿐만 아니라, 이미지 복원에 있어 매게 변수화된 전방 모델을 기반으로 했기 때문에 신뢰도와 적응성이 크게 향상됐다ˮ며, 이어 "이번 연구에서는 데이터의 다양한 특성 중에서 수학적 혹은 물리적으로 정확히 다룰 수 있는 측면에 집중했고, 향후 무작위적인 잡음이나 데이터의 형태에 대해서도 제약받지 않는 범용 복원 알고리즘을 개발하는 데 주력할 것이다ˮ라고 밝혔다.



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • [인터넷 신문 등록 사항] 명칭 : ㈜한국정보통신신문사
  • 등록번호 : 서울 아04447
  • 등록일자 : 2017-04-06
  • 제호 : 정보통신신문
  • 대표이사·발행인 : 함정기
  • 편집인 : 이민규
  • 편집국장 : 박남수
  • 서울특별시 용산구 한강대로 308 (한국정보통신공사협회) 정보통신신문사
  • 발행일자 : 2024-03-29
  • 대표전화 : 02-597-8140
  • 팩스 : 02-597-8223
  • 청소년보호책임자 : 이민규
  • 사업자등록번호 : 214-86-71864
  • 통신판매업등록번호 : 제 2019-서울용산-0472호
  • 정보통신신문의 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재·복사·배포 등을 금합니다.
  • Copyright © 2011-2024 정보통신신문. All rights reserved. mail to webmaster@koit.co.kr
한국인터넷신문협회 인터넷신문위원회 abc협회 인증 ND소프트