국내 연구진, 물리적 통찰력 지닌 영상복원 AI기술 개발

카이스트(KAIST)는 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해 인공지능(AI/ML)의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝(DL) 기술을 개발했다고 6일 밝혔다. 

공동 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.

영상 기술은 물리적인 영상 기기를 통해 영상 정보를 취득한다. 연구팀은 이 정보 취득 과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발, 변화하는 영상 취득 환경에서도 신뢰도 높은 홀로그래피 영상을 복원하는데 성공했다. 

홀로그래피 영상 기술은 의료 영상, 군용 감시, 자율주행용 영상 등 다양한 정밀 영상 기술에 다양하게 활용될 수 있다. 연구진은 이번 연구를 통해 의료 진단 분야의 활용성을 검증했다.

먼저 3차원 공간상에서 매우 빠르게 움직이는 적혈구의 회절 영상으로부터 적혈구의 형태를 실시간으로 복원하는데 성공했다. 

연구팀은 암 진단의 표준기술로 자리잡고 있는 생검 조직의 영상 복원에도 성공했다. 주목할 점은 특정한 카메라 위치에서 측정된 회절 영상만을 학습했음에도 인공지능의 인지능력이 부가되어 다양한 카메라 위치에서도 물체를 인식하는데 성공했다는 점이다. 

물리적 통찰력을 인공지능에 이식하는 영상 복원 기술은 의료 분야를 넘어 광범위한 영상 기술에 활용될 것으로 기대된다. 

최근 영상 기술 산업계에서 인공지능 솔루션 탑재가 활발하나 영상 취득에 사용되는 센서, 물체의 밝기, 물체까지의 거리와 같은 영상 취득 환경은 사용자마다 다를 수밖에 없어 적응 능력을 갖춘 인공지능 솔루션에 대한 수요가 늘고 있다.

KAIST 바이오및뇌공학과 이찬석 연구원은 “데이터와 물리 법칙을 동시에 학습하는 적응형 인공지능 기술은 홀로그래피 영상뿐만 아니라 초고해상도 영상, 3차원 영상, 비시선 영상 등 다양한 계산 영상 기술에 적용될 수 있을 것으로 기대한다”고 밝혔다.

연구진은 “이번 연구를 통해 인공지능 학습에 있어서 학습 데이터에 대한 강한 의존성을 물리적 법칙을 결합해 해소했을 뿐만 아니라, 이미지 복원에 있어 매게 변수화된 전방 모델을 기반으로 했기 때문에 신뢰도와 적응성이 크게 향상됐다”며 “무작위적인 잡음이나 데이터의 형태에 대해서도 제약받지 않는 범용 복원 알고리즘을 개발하는 데 주력할 계획ˮ이라고 밝혔다.

삼성미래기술육성사업과 선도연구센터사업의 지원을 받아 수행된 이번 연구결과는 국제 학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 1월17일 게재됐다.