관련자료보기  >

김 병 준  연세대학교 글로벌융합공학부

심 현 정   KAIST 김재철AI대학원

백 종 덕   연세대학교 글로벌융합공학부, 연세대학교 인공지능학과

저널명

Medical Physics

논문제목

A streak artifact reduction algorithm in sparse-view CT using a self-supervised neural representation

연구과제 수행 중 생긴 에피소드

연구를 수행할 당시 딥러닝 기반의 기술은 이미 의료영상처리 분야에서 최고의 성능을 보이고 있었으나, 여전히 많은 연구는 단순 성능을 높이는 것에 집중하고 있었고, 학습을 위한 데이터의 확보나 일반화의 문제를 지적하는 연구는 많지 않았습니다. 그러나 의료영상 분야의 연구자로서 ‘정밀의료’에 개인적으로 많은 관심을 가지고 있었고, 궁극적으로 개별 환자에 최적화된 영상을 제공할 수 있어야한다는 생각으로 연구를 진행하였습니다. 그러던 중 우연히 2020년 ECCV 학회에서 발표된 ‘Representing Scenes as Neural Radiance Fields for View Synthesis’라는 논문을 접하게 되었고, 분야와 목적은 다르지만 개별 환자에 최적화된 CT 영상복원이라는 주제와 일맥상통하다는 것을 깨달을 수 있었습니다. 시행착오 끝에 CT 영상 시스템에 알맞게 제시된 방법론을 구현하였지만 처음 얻은 결과는 실망스러운 수준이었습니다. 이후 지속적인 고민과 노력을 통해 CT에서 발생하는 영상왜곡의 특징을 추가적으로 알고리즘에 반영하고 다양한 실험 세팅과 모델 선택의 과정을 거쳐 지금의 우수한 결과를 도출해낼 수 있었습니다.

연구과제 수행 중 보람되었던 일

학습데이터가 주어지지 않은 실측 데이터에 대해 개발한 방법을 적용했을 때 기존의 딥러닝 기술과 비교하여 깨끗하고 정확한 영상이 출력되는 것을 눈으로 확인하고 보람을 많이 느꼈습니다. 본 연구를 통해 기존 딥러닝 방법의 일반화에 대한 문제의식을 공유하고, 단일 환자 데이터 기반의 정밀한 영상복원 기술에 대한 방향성을 제시했다는 점에서 뿌듯함도 느꼈습니다. 최근에는 논문이 저널의 Editor’s choice에 선정되는 좋은 일이 있었는데, 연구 성과가 관심을 받고 있다는 점을 확인할 수 있었고 앞으로 나올 관련 연구들에 많은 기대가 됩니다.

이 분야로 진학하려는 후배들을 위한 조언

최근 의료영상처리 분야를 연구함에 있어서 인공지능은 빠질 수 없는 부분이 되었고 또 빠르게 발전하고 있는 상황입니다. 따라서 인공지능 분야의 기술 트렌드를 항상 파악하고 있는 것이 중요합니다. 또한 전혀 다른 분야의 연구에서 아이디어를 얻는 경우가 많기 때문에 본인이 연구하는 주제가 아니라도 최대한 다양한 주제의 논문을 꾸준히 읽고 정리해두는 것이 도움이 될 것입니다. 한 가지 유의해야할 점은 의료영상 분야에서는 개인정보 보호가 중요해 데이터 확보가 어렵고, 단순히 그럴듯한 영상을 출력하는 것이 아니라 정확한 영상을 복원하고 그것이 진단율 향상으로 이어질 수 있어야 한다는 것입니다. 따라서 막연히 성능 향상만을 목표로 하기 보다는 이러한 배경을 이해하고 해결하고자 하는 문제를 잘 찾아 정의하는 것도 중요하겠습니다.

연구활동 관련 계획

인공지능을 실생활에 적용하는 데에 있어서 발생하는 어려움을 지속적으로 해결해 나가고자 합니다. 실생활에서는 완벽한 촬영조건이 갖추어지지 않기 때문에 다양한 노이즈와 왜곡에 강건한 인공지능을 개발하는 것이 중요할 것입니다. 또한 학습 데이터에 대한 의존을 줄이고 일반화의 오류를 최소화하는 모델 개발이 필요할 것입니다. 이러한 방향으로 연구를 진행하여 인공지능 기반의 우수한 영상화기술이 실생활에 안정적으로 사용되고 그 혜택을 많은 사람이 누릴 수 있게 하는 것에 기여하고 싶습니다.