%ed%98%95%ea%b4%91%20%ed%98%84%eb%af%b8%ea%b2%bd
-
AI 계산으로 뇌 깊숙한 곳도 ‘선명하게’...고가 장비 한계 넘었다
살아있는 뇌 깊숙한 곳을 선명하게 관찰하려면 고가의 장비가 필수라는 한계가 있었다. 우리 대학 연구진이 물리 기반으로 한 AI 계산 알고리즘을 활용해 추가적인 광학 측정 장비 없이도 흐릿한 이미지를 또렷하게 복원하는 기술을 개발하며, 뇌과학 연구의 새로운 전환점을 제시했다.
우리 대학은 전기및전자공학부 강익성 교수가 UC 버클리 나지(Na Ji) 교수 연구팀과 공동연구를 통해, 신경장 모델(neural fields, 3차원 공간의 구조를 연속적으로 표현해 이미지와 형태를 동시에 복원하는 신경망 기반 기술)을 활용해 생체 내부를 관찰하는 현미경의 이미지 왜곡을 정밀하게 보정하는 기술을 개발했다고 21일 밝혔다.
연구팀이 활용한 ‘이광자 형광 현미경(two-photon fluorescence microscopy, 두 개의 약한 빛을 동시에 사용해 생체 깊은 곳 특정 지점만 선택적으로 빛나게 하는 기술)’은 살아있는 생체 조직 깊은 곳을 관찰할 수 있는 핵심 장비다. 그러나 빛이 두꺼운 조직을 통과하는 과정에서 휘고 흩어지면서, 마치 물속에서 물체가 일그러져 보이듯 이미지가 흐릿해지는 문제가 있었다. 이를 광학 수차(optical aberration, 빛이 왜곡돼 초점이 흐려지는 현상)라고 한다.
기존에는 이러한 왜곡을 보정하기 위해 파면 센서(wavefront sensor, 빛이 얼마나 휘어졌는지를 측정하는 장치)와 같은 복잡하고 값비싼 하드웨어 장비를 추가해야 했다.
연구팀은 이와 달리, 이미 촬영된 이미지 데이터만을 이용해 빛이 어떻게 왜곡됐는지를 역으로 계산하고 이를 바로잡는 알고리즘을 개발했다. 즉, 흐릿한 사진을 보고 원래 모습을 복원하는 것처럼, 추가 장비 없이도 선명한 이미지를 되살리는 방식이다.
이번 기술의 핵심은 신경장 모델 기반의 기계학습 알고리즘이다. 이 알고리즘은 빛이 이동하며 발생하는 왜곡 과정을 추적해, 생체 조직에 의한 광학 수차뿐 아니라 생체의 미세한 움직임, 현미경의 기계적 오차까지 동시에 보정하는 통합 기술을 구현한다.
그 결과, 별도의 광학 측정·보정 장비 없이도 생체 조직 깊은 곳에서 고해상도·고대비 이미지를 안정적으로 획득하는 데 성공했다.
특히 이번 연구는 ‘더 좋은 이미지를 얻기 위해서는 더 비싼 장비가 필요하다’는 기존 한계를 넘어, 소프트웨어 기반으로 문제를 해결했다는 점에서 의미가 크다. 이를 통해 연구 장비에 대한 부담을 낮추고, 보다 많은 연구자들이 정밀한 뇌 관찰을 수행할 수 있을 것으로 기대된다.
강익성 교수는 “이번 연구는 광학과 인공지능 기술을 결합해 생체 내부를 더 정확하게 볼 수 있는 길을 연 것”이라며 “향후 현미경이 스스로 최적의 이미지를 찾아내는 지능형 광학 이미징 시스템으로 발전시켜 나갈 계획”이라고 말했다.
이번 연구는 생명과학 분야 최고 권위의 방법론 학술지인 ‘네이처 메소드(Nature Methods)’에 4월 13일 게재되었다.
※ 논문명: Adaptive optical correction for in vivo two-photon fluorescence microscopy with neural fields, DOI: 10.1038/s41592-026-03053-6
※ 주저자: 강익성(KAIST, 공동교신저자 겸 제1저자), 나지 교수(UC Berkeley, 공동교신저자)
2026.04.21 조회수 869 -
새로운 인공지능 형광 현미경 적용, 뇌 신경세포 등 3차원 고화질 영상기술 개발
우리 대학 김재철 AI 대학원 예종철 교수 연구팀이 서울대학교 장성호 교수팀, 포스텍 김기현 교수팀과 공동연구를 통해 형광 현미경의 오랜 문제인 이방성(Anisotropy)을 해결해, 3차원 영상 화질을 획기적으로 끌어올리는 인공지능 기술을 개발했다고 29일 밝혔다.
이방성 문제란 형광 현미경으로 3차원 영상을 획득하는 데 있어 빛의 성질로 인해 영상 공간 방향 간에 적게는 2~3배, 많게는 10배까지도 화질 차이가 발생하는 문제를 뜻한다. 예를 들면 3차원 영상을 보는 각도마다 화질의 차이가 발생하는 것이다.
연구팀은 수학적 기법인 최적 수송이론 기반을 둔 새로운 인공지능 시스템을 개발해 공초점 현미경과 광 시트 현미경에 적용했다. 기존 인공지능 기법들과는 다르게, 인공지능 학습 데이터가 따로 필요하지 않고, 하나의 3차원 영상만으로도 인공지능 학습에 적용할 수 있다는 점에서 획기적이라 볼 수 있으며, 생물학 연구자들에게 생물 표본의 3차원 고화질 영상 획득에 큰 도움을 줄 것으로 기대된다.
예종철 교수는 "3차원 영상 획득에 있어 극복하기 어려웠던 현미경의 물리적 한계를 인공지능 기술을 통해 뛰어넘었다는 점에서 의미가 있고, 비지도 학습 기반으로 훈련이 진행되기 때문에, 다양한 많은 종류의 3차원 영상 촬영 기법에도 확장 적용 가능하며, 또한 인공지능 연구의 새로운 응용을 개척했다는 데 의미가 있다ˮ 고 말했다.
김재철 AI 대학원의 예종철 교수가 주도하고, 박형준 연구원이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 6월 8일 字 온라인판에 게재됐다.
*논문명 : Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy
논문 링크: https://www.nature.com/articles/s41467-022-30949-6
2022.06.29 조회수 16505 -
암 진단에 필요한 새로운 형광 증폭 기술 개발
우리 대학 신소재공학과 장재범 교수 연구팀이 암 진단에 필요한 새로운 형광 신호 증폭 기술을 개발했다고 17일 밝혔다. 연구 결과는 국제 학술지인 영국왕립화학회(Royal Society of Chemistry)의 `나노스케일(Nanoscale)'誌 11월 13일 字에 게재됐다. (논문명: FRACTAL: Signal amplification of immunofluorescence via cyclic staining of target molecules)
※ 저자 정보: 조예린(신소재공학과 학사과정 학생, 제1 저자), 서준영(신소재공학과 박사과정 학생, 제2 저자), 장재범 교수(교신저자) 등 총 8명
최근 3D 전체 조직 영상화(이미징)를 가능하게 하는 생체조직 *팽창 기술(ExM) 및 투명화 기술(CLARITY, 3DISCO, CUBIC)은 복잡한 세포 간 상호작용 및 역할을 밝혀내는 핵심적인 역할을 하고 있다. 하지만 큰 부피 내부의 세포 변화를 관찰하기 위해서는 약한 형광 신호를 증폭해 높은 이미지 처리량을 갖는 기술이 필요하다.
※ 팽창 현미경 (Expansion Microscopy): 조직을 팽창시켜 일반 현미경으로 초고해상도를 얻을 수 있는 기술
※ 조직 투명화 기술 (Tissue Clearing System): 빛의 산란을 최소화하고 투과도를 극대화하여 3D 전체 조직을 이미징하는 기술
지금까지 신호 증폭 기술은 다양한 화학 반응으로 개발돼왔는데, 이들 중 많은 기술은 단일 화학 반응을 이용하기 때문에 다중 표지 신호 증폭 영상화를 위해서는 단일 신호 증폭과 비활성화 과정을 채널별로 반복해야 하는 단점이 있고, 유전자(DNA) 기반의 신호 증폭 기법은 서로 다른 항체에 대한 유전 물질 분자 결합의 최적화 과정이 필요하므로 일반적인 생물 실험실에서 사용이 어렵다.
장재범 교수 연구팀은 이러한 문제점 개선을 위해 현재 상용화돼 있는 형광 분자가 표지된 항체를 사용해, 추가적인 최적화 과정이 필요 없는 신호 증폭 기술에 주목했다.
결과적으로 연구팀은 `프랙탈(FRACTAL, Fluorescence signal amplification via repetitive labeling of target molecules)'이라는 새로운 신호 증폭 기술을 개발했다. 프랙탈 기술은 항체 기반의 염색 방법으로, 신호 증폭 과정이 매우 간단하다는 특징이 있다. 이 기술은 신호 증폭을 위해 특수한 화학 물질을 필요로 하지 않으며, 형광 분자가 표지된 2차 항체의 반복적인 염색을 통해 형광 신호를 증폭시킨다.
이 기술은 한 종류의 1차 항체, 두 종류의 2차 항체, 총 세 종류의 항체를 이용하는 아주 간단한 기술이다. 신호 증폭 과정은 표적 단백질에 대한 1차 항체 및 첫 번째 2차 항체 염색으로 시작되며, 그다음으로 첫 번째 2차 항체에 결합하는 두 번째 2차 항체의 염색이 이뤄진다. 두 번째 2차 항체의 숙주(host)와 1차 항체의 숙주(host)는 같으며, 그다음 염색은 다시 두 번째 2차 항체에 결합하는 첫 번째 2차 항체의 염색으로 이어진다.
예를 들어 토끼의 1차 항체를 사용하고 당나귀의 항-토끼 2차 항체를 첫 번째 2차 항체로 사용했다면 토끼의 항-당나귀 2차 항체를 두 번째 2차 항체로 사용하게 된다. 그러면 두 번째 2차 항체에는 첫 번째 2차 항체가 결합하게 되고 그 반대의 경우로도 결합해 염색을 이어나가게 된다.
이 과정의 반복을 통해 연구팀은 기존 형광 신호를 9배 이상 증폭시켰으며, 이는 같은 밝기를 얻는 데 필요한 영상화 시간을 9배 이상 줄일 수 있다는 결과를 얻었다. 연구팀은 초고해상도 현미경(STORM) 분석을 통해 염색 횟수에 따라 항체가 균일한 결합 층을 형성하며 형광 신호를 증폭시키는 현상을 확인했다.
연구팀은 이 기술을 서로 다른 종으로부터 유래된 직교적인(orthogonal) 항체 쌍에 적용해, 동시 다중 표지 신호 증폭 영상화를 구현했으며, 팽창 현미경에도 적용해 팽창 후에도 높은 형광의 강도를 갖는 형광 신호 증폭 기술을 구현했다.
이 기술은 간단한 항체-항원 반응에 기반해 형광 신호를 증폭시키는 기술로, 영상을 통한 생체조직의 분석 및 치료기술 개발, 다지표 검사, 의료 및 신약 개발 분야에 이바지할 것으로 연구진은 기대하고 있다.
제1 저자인 조예린 학생은 "높은 이미지 처리량을 가진 이 기술은 디지털 병리 분야의 발전에 중추적인 영향을 미칠 것ˮ이며, "생체 내 다중지표에 대한 정보를 정밀하게 제공해 현대 의약 분야의 의약품 분석 및 치료 시스템에 직접적으로 응용될 수 있다ˮ라고 말했다.
장재범 교수도“이 기술은 환자 생체 검사 조직 내부에서 매우 중요하지만 낮은 수준으로 발현되는 바이오마커들을 정확하게 이미징 할 수 있게 해주기 때문에, 암 진단 및 면역 항암제 반응률 예측 등에 큰 도움이 될 것으로 기대된다.”라고 강조했다
한편 이번 연구는 과학기술정보통신부가 지원하는 뇌과학원천기술개발 과제와 KAIST 학부연구생프로그램(URP)의 지원을 받아 수행됐다.
2020.12.18 조회수 56786