-
재촬영 없이 MRI 강조영상 얻는 AI 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀 자기공명영상(magnetic resonance imaging: MRI)에서 재촬영 없이도 누락된 강조영상을 얻을 수 있는 인공지능 기술을 개발했다.
이 연구를 통해 각 질환별로 강조영상이 암의 진단에 미치는 영향을 객관적으로 밝힐 수 있으며, 실제 임상에서 고비용의 MRI를 효과적이고 체계적으로 활용할 수 있는 방안을 설계할 수 있을 것으로 기대된다.
이동욱 박사가 1 저자로 참여하고 건국대 의과대학 영상의학과 문원진 교수팀이 참여한 이번 연구 결과는 국제 학술지 ‘네이처 머신인테리젼스(Nature Machine Intelligence)’ 1월 18일 자 온라인판에 게재됐다. (논문명 : Assessing the importance of magnetic resonance contrasts using collaborative generative adversarial networks).
MRI는 엑스선 컴퓨터 단층촬영, 초음파와 더불어 임상 진단에서 중요한 역할을 하는 진단 장비이다. 특히 비침습적 방법으로 고해상도의 영상을 얻기 때문에 종양이나 병변을 관찰하며 진단하는데 매우 중요한 임상 정보를 제공한다. 이는 영상의 대조도 (contrast)를 다양하게 조절할 수 있는 MRI의 특징 덕분이다.
예를 들어 뇌종양을 진단하는 데 활용되는 T1·T2 강조영상, FLAIR 기법 영상, T1 조영증강 영상 등 여러 가지 대조 영상을 얻어 진단에 사용함으로써 종양을 찾을 수 있다.
하지만 실제 임상 환경에서는 강조영상을 모두 얻기 어려운 경우가 많다. 여러 장의 강조영상 촬영을 위해 촬영시간이 길어지기도 하고, 잡음이나 인공음영 발생으로 인해 진단에 사용하기 어려운 경우가 많기 때문이다.
또한, 뇌질환진단을 위한 MRI 검사는 의심 질환이 무엇인지에 따라 필수 강조영상이 달라지며, 이후 특정 질환으로 진단명이 좁혀지면서 부득이하게 누락된 강조영상을 확보하기 위한 재촬영이 필요한 경우가 많다. 이러한 상황에 의해 많은 시간과 비용이 소모된다.
최근 인공지능 분야에서 생성적 적대 신경망(Generative adversarial networks, GAN)이라는 딥러닝을 이용해 영상을 합성하는 기술이 많이 보고되고 있지만, 이 기술을 MRI 강조영상 합성에 사용하면 준비하고 미리 학습해야 하는 네트워크가 너무 많아지게 된다.
또한, 이러한 기법은 하나의 영상에서 다른 영상으로의 관계를 학습하기 때문에 몇 개의 강조영상의 존재하더라도 이 정보 간의 시너지를 활용하는 영상 학습기법이 없는 현실이다.
예 교수 연구팀은 자체 개발한 ‘협조·생성적 적대신경망(Collaborative Generative Adversarial Network : CollaGAN)’이라는 기술을 이용해 여러 MRI 강조영상의 공통 특징 공간을 학습함으로써 확장성의 문제를 해결했다.
이를 통해 어떤 대조 영상의 생성이 가능한지와 불가능한지에 대한 질문과, 그에 대한 체계적인 대답 기법을 제안했다.
즉, 여러 개의 강조영상 중에서 임의의 순서 및 개수로 영상이 없어져도 남아있는 영상을 통해 사라진 영상을 복원하는 기법을 학습한 후 합성된 영상의 임상적 정확도를 평가해, 강조 영상 간 중요도를 자동으로 평가할 수 있는 원천 기술을 개발했다.
예 교수 연구팀은 건국대 문원진 교수 연구팀과의 협력을 통해 T1강조·T2강조 영상과 같이 내인성 강조영상은 다른 영상으로부터 정확한 합성이 가능하며, 합성된 강조영상이 실제 영상과 매우 유사하게 임상 정보를 표현하고 있다는 것을 확인했다.
연구팀은 확보한 합성 영상이 뇌종양 분할기법을 통해 뇌종양 범위를 파악하는데 유용한 정보를 제공한다는 것을 확인했다. 또한, 현재 많이 사용되는 합성 MRI 기법(synthetic MRI)에서 생기는 인공음영 영상도 자동 제거가 가능함이 증명됐다. 이 기술을 이용하면 추가적인 재촬영을 하지 않고도 필요한 대조 영상을 생성해 시간과 비용을 비약적으로 줄일 수 있을 것으로 기대된다.
건국대 영상의학과 문원진 교수는 “연구에서 개발한 방법을 이용해 인공지능을 통한 합성 영상을 임상현장에서 이용하면 재촬영으로 인한 환자의 불편을 최소화하고 진단정확도를 높여 전체의료비용 절감 효과를 가져올 것이다”라고 말했다.
예종철 교수는 “인공지능이 진단과 영상처리에 사용되는 현재의 응용 범위를 넘어서, 진단의 중요도를 선택하고 진단 규약을 계획하는 데 중요한 역할을 할 수 있는 것을 보여준 독창적인 연구이다”라고 말했다.
이 연구는 한국연구재단의 중견연구자지원사업을 받아 수행됐다.
□ 그림 설명
그림1. CollaGAN의 작동 원리의 예
2020.01.30
조회수 10036
-
예종철 교수, 국제자기공명의과학회(ISMRM)에서 기조강연
〈 예종철 교수 〉
우리 대학 바이오및뇌공학과 예종철 교수가 5월 14일 캐나다 몬트리올에서 열린 제27회 ‘국제자기공명의과학회(ISMRM, International Society for Magnetic Resoance in Medicine) 연차 총회에서 기조 강연을 했다.
’의료인공지능(Machine Learning for Medical Imaging)‘을 주제로 강연을 한 예종철 교수는 인공지능을 이용한 고속 MRI 획득 및 복원 기술의 연구를 소개하고, 인공지능 블랙박스를 해석하기 위한 수학적 이론을 발표했다.
ISMRM 연차 총회는 전 세계 수 천명의 과학자와 의사들이 참여하는 자기공명영상(MRI) 분야 최대 학회이다.
예 교수는 방사선학 분야 대표 언론 AuntMinnie.com과 총회 이후 진행된 인터뷰를 통해 “인공지능이 단지 진단의 영역을 넘어 기존에 불가능했던 고화질의 영상을 만들어 의사들의 진단을 더욱 정확하게 하는 새 방향으로 급격히 발전하고 있다”라고 말했다.
2019.05.22
조회수 6657
-
김성태 박사과정, 로버트와그너 최우수 학생 논문상 수상
〈 김 성 태 박사과정 〉
우리 대학 전기및전자공학부 김성태 박사과정(지도교수: 노용만)이 지난달 10일~15일 미국 휴스턴에서 열린 국제광자공학회 (SPIE: The International Society for Optics and Photonics)의 의료영상 학술대회 (Medical Imaging Conference)에서 로버트와그너 최우수 학생 논문상 (Robert F. Wagner All-Conference Best Student Paper Award Finalist)에 선정됐다.
국제광학회 의료영상 학술대회는 의료영상 분야 세계 최대 규모 학술대회 중 하나로 올해 900 여편의 논문이 발표됐다. 그 중 로버트와그너 최우수 학생 논문 상은 의료영상 전분야 9개의 각 분과별로 1편씩 선정됐으며 김 박사과정의 논문은 컴퓨터 지원 진단 (Computer-Aided Diagnosis) 분과에서 최우수 학생 논문상을 수상했다.
수상 논문은 '해석 가능한 딥러닝 연구'의 결과로 딥러닝 기반 컴퓨터 지원 진단에서 의사들의 용어로 유방암 진단의 근거를 제공하는 기술에 대한 논문이다. (논문명: ICADx: Interpretable computer aided diagnosis of breast masses)
김성태 박사과정은 “이번 학술대회에서 컴퓨터 지원 진단 분과 최우수 학생 논문상에 입상하게 돼 영광이며 지도교수님의 훌륭한 지도와 연구를 도와준 동료들이 있었기에 가능했다고 말하며 감사하다” 고 말했다.
2018.03.13
조회수 10985
-
소장 내 지방 흡수과정의 비밀 밝혀
김 필 한 교수
우리 대학 나노과학기술대학원 김필한 교수와 의과학대학원 고규영 교수 공동 연구팀이 소장에서 지방이 흡수되는 과정의 고해상도 촬영에 성공했다.
이번 연구는 나노과학기술대학원 최기백 박사과정 학생, 의과학대학원 장전엽 박사, 박인태 박사과정 학생이 1저자로 참여했다.
이를 통해 소장의 융모로 흡수된 지방의 전달 통로인 암죽관의 수축현상을 최초로 발견했다.
이번 연구결과는 의생명과학 분야 국제 학술지인 ‘임상연구(The Journal of Clinical Investigation, Impact Factor 13.261)’ 10월 5일자 온라인판에 게재됐다. 또한 11월에는 이달의 주목할 만한 연구로 ‘JCI This month’에도 소개될 예정이다. (논문명 : Intravital imaging of intestinal lacteals unveils lipid drainage through contractility)
소장은 영양분을 흡수하는 기관이다. 소장의 관찰을 위해 많은 학자들이 노력했지만 소장은 항상 쉬지 않고 움직이기 때문에 고해상도 촬영에 한계가 있었다.
연구팀은 자체 개발한 초고속 레이저 스캐닝 공초점 현미경과 소장 의 상태를 보존하고 내벽을 고정할 수 있는 영상 챔버를 이용해 동물 모델의 소장 내벽에서 지방산이 흡수되는 과정을 촬영했다.
이 과정에서 지방의 흡수 통로인 암죽관이 일정 주기로 수축 및 이완하는 현상을 발견했다. 또한 암죽관의 수축 정도가 소장에서의 지방산 흡수 속도에 영향을 미치는 것을 발견했다.
연구팀은 이 암죽관의 움직임이 융모 내부에 다량 존재하는 민무늬근세포에 의해 발생하고, 이는 체내에 분포된 자율신경계를 통해 조절됨을 밝혔다.
이번 연구를 통해 개발된 최첨단 고해상도 생체영상기술로 소장 내 다양한 물질 흡수 과정의 실시간 모니터링이 가능해질 것으로 예상된다.
또한 이 기술은 신약개발 과정에서 지용성 약물이 소장 내 암죽관으로 흡수되게 해 간 독성을 최소화하는 새로운 약물전달 방법 확립에 기여할 것으로 기대된다.
김 교수는 “우리가 섭취하는 다량의 지용성 영양소가 체내로 흡수되는 과정에서 자율신경계로 조절되는 융모 내부의 암죽관 제어 메커니즘이 존재함을 새롭게 밝혀냈다”고 말했다.
이번 연구는 미래창조과학부의 글로벌프론티어사업 및 신기술융합형 성장동력사업의 지원을 받아 수행됐다.
그림 설명
그림1. 소장 내벽에 존재하는 융모에서 지방산이 흡수되는 과정을 광학현미경으로 영상화하는 과정 모식도
그림2. 소장 융모에서 지방산(적색)이 암죽관(녹색)을 통해 흡수되는 과정
그림3. 암죽관(녹색)의 반복적인 이완과 수축 운동. 0초, 2.7초에 이완. 1.6초, 4초에 암죽관의 수축
2015.10.14
조회수 13286
-
예종철 교수팀, 국제자기공명의과학회 주관 워크샵 리컨 챌린지에서 1위 수상
바이오및뇌공학과 예종철(芮鍾喆, 39, 사진 왼쪽) 교수와 정홍(丁鴻, 25) 박사과정 학생이 최근(1월27일), 미국 애리조나주의 세도나(Sedona, Arizona)에서 국제자기공명의과학회(ISMRM) 주관으로 열린 데이터 샘플링과 영상 복원(Data sampling and Image Reconstruction) 워크샵의 리컨 챌린지(Recon Challenge)에서, 미국과 유럽의 주요 자기공명영상(MRI: magnetic resonance imaging) 그룹을 제치고 심사위원 만장일치로 1위를 차지했다.
이 리컨 챌린지는 기존의 MRI 영상 기법을 이용해서는 영상화하기 어려운 인체 부위를 고해상도로 영상화할 수 있는 가를 경쟁하는 프로그램으로 지난 2007년 이후 매 2년마다 열리고 있으며, 올해의 경우는 뇌혈관조영 영상에서의 시공간 분해능과 관절 영상에서의 공간 분해능을 얼마나 향상시키는가 하는 2가지 분야에서 경쟁했다. 미국의 메이오 클리닉(Mayo Clinic), 스탠포드대 의과대학, 버로우 뇌과학 연구소 (Barrow Neurological Institute), 위스콘신대 의과대학 등의 영상의학과 의사들이 심사위원으로 참석해 세계 주요 MRI 그룹 10여 팀에서 제출한 영상 복원 결과를 비교 분석해 1위를 선발했다.
예종철 교수팀은 기존의 나이키스트 샘플링(Nyquist sampling) 의 한계를 극복한 압축 센싱(compressed sensing) 이론을 적용하여 케이티 포커스(k-t FOCUSS) 라는 알고리듬을 제안하고, 이를 통해 정확한 뇌혈관 조영 영상을 기존의 기법보다 획기적으로 향상된 시공간 분해능으로 얻을 수 있었다. 이러한 연구 결과는 MRI의 적용 범위를 더욱 확대하며, 기존의 기법으로는 영상화가 불가능했던 움직이는 현상 등을 고해상도로 영상화하는 주요 방법으로 사용될 수 있을 것으로 기대된다.
2009.02.05
조회수 22383