%EB%B0%94%EC%9D%B4%EC%98%A4%EB%B0%8F%EB%87%8C%EA%B3%B5%ED%95%99%EA%B3%BC
-
정확성이 획기적으로 향상된 코로나19 영상 진단 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단의 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다.
예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상의 우수한 정확성을 보였다고 KAIST 관계자는 설명했다.
이 기술을 세계적으로 대유행하는 코로나19 선별 진료(Triage)체계에 도입하면 상시 신속한 진단이 가능할 뿐만 아니라 한정된 의료 자원의 효율적인 사용에 큰 도움을 줄 것으로 기대된다.
오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이 연구 결과는 국제 학술지 `아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 `영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일 字 온라인판에 게재됐다. (논문명 : Deep Learning COVID-19 Features on CXR using Limited Training Data Sets)
현재 전 세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)을 이용한 장비가 사용된다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나, 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 든다는 단점이 있다.
컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어렵다.
흉부 단순 방사선 촬영(CXR, Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용되고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다. 그러나, 최근 팬데믹으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다.
그동안 심층 학습(Deep Learning) 기법을 적용해 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이며 현재와 같은 비상 상황에서는 일관되게 정제된 대량의 데이터를 수집하기가 극히 어렵다.
예 교수 연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다.
또 국소 패치 기반 방식의 장점을 활용한 새로운 인공지능 기술인 `확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다.
예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것ˮ 이라고 말했다.
한편, 이 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
2020.05.25 조회수 15883 -
딥러닝 통해 MRI 다중 대조도 영상 복원 기법 개발
바이오및뇌공학과 박성홍 교수 연구팀이 자기공명영상장치(MRI)의 다중 대조도 영상을 복원하기 위한 새로운 딥러닝 네트워크를 개발했다. 이번 연구를 통해 병원에서 반복적으로 획득하는 다중 대조도 MRI 영상을 얻는 시간이 크게 줄어 편의성 증대, 촬영비용 절감 등의 효과를 볼 것으로 기대된다.
도원준 박사가 1 저자로, 서성훈 박사과정이 공동 1 저자로 참여한 이번 연구는 우수성을 인정받아 국제 학술지 ‘메디컬 피직스 (Medical Physics)’ 2020년 3월호 표지 논문으로 게재됐다.
일반적으로 임상적 환경에서 MRI 촬영은 정확한 진단을 위해 두 개 이상의 대조도로 진행돼 촬영시간이 길어진다. 이에 따라 MRI 촬영비용도 비싸지며 환자들의 불편함을 유발하고, 영상의 품질 역시 환자의 움직임 등으로 인해 낮아질 수 있다.
문제 해결을 보완하기 위해 박 교수 연구팀은 다중 대조도 획득의 특징을 활용한 새로운 딥러닝 기법을 개발해 기존 방식보다 데이터를 적게 수집하는 방식으로 MRI 영상획득 시간을 크게 단축했다. MRI 영상에서 데이터를 적게 수집하는 것은 영상의 주파수 영역에서 이뤄지며, 일반적으로 위상 인코딩의 개수를 줄이는 것으로 영상획득 시간을 감소시키는 것을 뜻한다. 영상획득 시간은 줄어든 인코딩 개수의 비율만큼 줄어들게 되며, 이번 연구에서는 촬영시간을 최대 8배까지 줄여 영상을 복원했다.
연구팀은 임상에서 정확한 진단을 위해 MRI 영상을 다중 대조도로 얻는다는 점을 활용해 복원의 효율을 높였으며, 실제로 데이터를 얻을 당시의 전략을 고려해 네트워크들을 따로 개발했다. 구체적으로 ▲다중 대조도 전체 프로토콜의 촬영시간을 모두 줄이는 네트워크(X-net)와 ▲하나의 프로토콜은 전체 인코딩 데이터를 획득하고 나머지 프로토콜들은 촬영시간을 크게 줄이는 네트워크(Y-net)를 따로 개발해 MRI 다중 대조도 영상을 촬영하는 목적에 맞춰 다르게 최적화했다.
박성홍 교수는 “병원에서 반복적으로 시행하는 다중 대조도 MRI 촬영의 특성을 잘 살려서 성능을 극대화한 딥러닝 네트워크의 개발에 의의가 있다”라며, “병원에서 환자의 MRI 촬영시간을 줄이는 데 도움을 줄 것으로 기대한다”라고 말했다.
서울대학교병원 최승홍 교수와 공동연구로 진행한 이번 연구는 한국연구재단과 한국보건산업진흥원의 지원을 받아 수행됐다.
2020.03.27 조회수 14333 -
해상도 높인 곤충 눈 구조 초박형 카메라 개발
바이오및뇌공학과 정기훈 교수 연구팀이 고해상도 이미징을 위한 곤충 눈 구조의 초박형 카메라를 개발했다. 이 카메라는 독특한 시각 구조를 가진 제노스 페키(Xenos peckii)라는 곤충의 눈을 모사해 개발돼, 상용 카메라보다 더 얇은 렌즈 두께와 넓은 광시야각을 갖는다. 이러한 특징을 이용해 모바일, 감시 및 정찰 장비, 의료영상 기기 등 다양한 소형 카메라가 필요한 분야에 적용 가능할 것으로 기대된다.
김기수 박사과정이 주도한 이번 연구결과는 국제 학술지 ‘빛 : 과학과 응용 (Light : Science & Applications)’ 2월 27일 자 온라인판에 게재됐다. (논문명: 고대비 고해상도 이미징을 위한 생체모사 초박형 카메라, Biologically Inspired Ultrathin Arrayed Camera for High Contrast and High Resolution Imaging)
최근 초소형 및 초박형 스마트 기기의 개발로 소형화된 이미징 시스템의 수요가 커지고 있다. 그러나 기존의 카메라는 물체의 상이 일그러지거나 흐려지는 현상인 수차를 줄이기 위해 다층 렌즈 구조를 활용하기 때문에 렌즈 두께를 감소하는 데 한계가 있다. 또한, 기존의 곤충 눈을 모사한 미세렌즈 배열(Microlens arrays)은 렌즈 사이의 광학 크로스토크(Optical crosstalk)로 인해 해상도가 저해되는 단점이 있다.
연구팀은 문제 해결을 위해 제노스 페키 곤충의 시각 구조를 모사한 렌즈를 제작했고 이를 이미지 센서와 결합해 초박형 카메라를 개발했다. 곤충의 눈은 렌즈와 렌즈 사이의 빛을 차단하는 색소 세포(pigment cells)가 존재해 각 렌즈에서 결상(어떤 물체에서 나온 광선 등이 반사 굴절한 다음 다시 모여 그 물체와 닮은꼴의 상을 만드는 현상)되는 영상들 간의 간섭을 막는다. 이러한 구조는 렌즈들 사이의 광학 크로스토크를 막아 고 대비 및 고해상도 영상을 획득하는 데 도움을 준다.
연구팀은 이러한 광 차단 구조를 포토리소그래피(Photolithography) 공정으로 매우 얇게 제작해 렌즈들 사이의 광학 크로스토크를 효율적으로 차단했다. 렌즈의 두께를 최소화하기 위해 렌즈의 방향을 이미지 센서 방향인 역방향으로 배치했으며, 이를 통해 최종 개발된 카메라 렌즈의 두께는 0.74mm로 이는 10원짜리 동전 절반 정도의 두께이다. 연구팀은 카메라의 원거리에 있는 물체를 모든 렌즈에서 같은 시야각을 통해 동일한 영상을 획득하고, 이 배열 영상들은 해상도를 하나의 이미지로 합성했다. 합성된 영상은 합성 전 단일 채널 영상보다 향상된 해상도를 가짐을 확인했다.
정기훈 교수는 “실질적으로 상용화 가능한 초박형 카메라를 제작하는 방법을 개발했다”라며 “이 카메라는 영상획득이 필요한 장치에 통합돼 장치 소형화에 크게 기여할 것으로 확신한다”라고 말했다.
2020.03.23 조회수 18798 -
포유류 종마다 시각 뇌신경망 구조 다른 원인 밝혀
바이오및뇌공학과 백세범 교수 연구팀이 포유류 종들의 시각피질에서 서로 다른 뇌신경망 구조가 형성되는 원리를 밝혔다.
이번 연구결과는 시스템 뇌신경과학 분야에서 수십 년간 설명되지 못했던 문제를 이론적 접근과 계산적 모델 시뮬레이션을 통해 해답을 제시한 계산뇌과학 연구의 성공적인 예시로 평가된다.
연구팀은 두뇌의 시각피질과 망막에 분포하는 신경세포들 간의 정보 추출 비율을 분석함으로써 특정 포유류 종이 갖는 시각피질의 기능적 구조를 예측할 수 있음을 밝혀냈다.
연구팀은 서로 다른 크기의 망막과 시각피질 사이의 신경망 연결 모델을 시뮬레이션 해 두 정보 처리 영역 사이에 대응되는 신경세포의 비율이 달라짐에 따라 완전히 다른 두 가지 구조의 기능성 뇌지도가 형성됨을 보이고, 이 결과가 실제 실험에서 관측되는 신경망 구조와 일치함을 증명했다.
장재선, 송민 박사과정이 공동 1저자로 참여한 이번 연구는 국제 학술지 ‘셀(cell)’의 온라인 자매지 ‘셀 리포츠(Cell Reports)’ 3월 10일 자에 게재됐다. (논문명 : Retino-cortical mapping ratio predicts columnar and salt-and-pepper organization in mammalian visual cortex)
포유류의 시각피질에서는 시각 자극의 방향에 따라 반응의 정도가 달라지는 성질인 방향 선택성(orientation selectivity)을 갖는 세포들이 관측된다. 원숭이, 고양이 등의 종에서는 이 세포들의 선호 방향이 연속적, 주기적인 형태로 변하는 방향성 지도(orientation map) 구조를 형성하는 반면, 생쥐 등의 설치류에서는 마치 소금과 후추를 뿌려 놓은 듯한 무작위에 가까운 형태로 분포해, 이를 소금-후추 구조(salt-and-pepper organization)라 한다.
동일한 역할을 수행하는 것으로 보이는 기능성 뇌신경망이 이렇게 종에 따라 다른 구조를 갖는 원인을 찾기 위해 지난 수십여 년 간 다양한 연구가 진행됐으나, 아직까지도 이를 결정하는 요인에 대해서는 명확하게 알려진 바가 없었다.
이러한 원리를 규명하기 위해 연구팀은 서로 다른 크기의 망막과 시각피질이 연결될 때 동일한 망막 신호를 샘플링하는 시각피질 세포의 비율이 달라지게 된다고 가정했다. 이러한 조건에서 망막-시각피질 신호의 샘플링 형태를 시뮬레이션 하여 샘플링 비율에 따라 시각피질에서 형성되는 기능성 지도의 구조가 완전히 다르게 결정될 수 있음을 발견했다.
이 결과를 기반으로 연구팀은 다양한 종들에 대한 망막 및 시각피질 데이터를 종합적으로 비교해 시각피질이 클수록, 또 망막이 작을수록 연속적인 방향성 지도가 형성되는 경향이 있음을 확인했다.
또한, 기존의 연구에서 확인된 포유류 여덟 종의 시각피질-망막 크기 비율을 기반으로 한 모델을 정량적으로 시뮬레이션하고, 이 결과가 실험에서 관측된 것과 같이 방향성 지도 존재 여부에 따라 두 그룹으로 명확히 나누어짐을 확인했다.
이러한 결과는 다른 종으로 진화가 이뤄질 때, 감각기관의 크기와 같은 지극히 단순한 물리적인 조건의 차이에 의해서도 뇌신경망의 구조가 완전히 다른 방향으로 변화될 수 있음을 뜻한다. 이는 다양한 생물학적 구조가 기존의 생각보다 훨씬 단순한 물리적 요소들의 차이에 의해 예측되거나 설명될 수 있음을 보여준다.
백세범 교수는 “이미 오랫동안 알려져 있었으나 그 의미를 찾아내지 못했던 데이터들과 이론적인 모델을 결합해 새로운 발견을 도출해낸 의미 있는 연구이다”라며 “뇌 과학뿐만 아니라 계통분류학, 진화생물학 등 생물의 기능적 구조와 관련된 다양한 생물학 분야에서 이론적 모델 연구의 역할에 대한 중요한 시각을 제공할 것이다”라고 언급했다.
이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2020.03.11 조회수 14572 -
초음파를 내비게이션으로 사용하는 광학현미경 개발
생체 내부를 꿰뚫어볼 수 있는 새로운 현미경이 나왔다. 바이오 및 뇌공학과 장무석 교수 연구팀이 기초과학연구원 분자 분광학 및 동력학 연구단 최원식 부연구단장 연구팀과의 공동 연구를 통해 초음파를 이용해 기존 현미경으로 볼 수 없었던 생체 내부의 미세구조를 관찰하는 기법을 개발했다.
연구결과는 국제학술지 네이처 커뮤니케이션즈(Nature Communications)2월 5일자 온라인 판에 게재됐다.
사람의 눈은 250㎜ 떨어진 거리에 70㎜의 간격을 두고 놓인 물체를 구분할 수 있다. 이보다 작은 미세구조를 관찰하기 위해서는 광학현미경이 필요하다. 광학현미경은 눈으로 볼 수 없는 작은 미세구조를 확대해서 보여준다. 하지만 생체조직을 관찰할 때는 이야기가 달라진다.
빛이 생체 조직을 투과할 때 직진광과 산란광이라는 두 종류의 빛이 생겨난다. 직진광은 말 그대로 생체 조직의 영향 없이 직진하는 빛이며, 산란광은 생체 조직 내 세포나 세포 내 구조의 영향에 의해 진행 방향이 무작위로 굴절된 빛이다. 광학 현미경으로 생체 조직 깊은 곳을 관찰하려면 직진광에 비해 산란광이 강해져 이미지 정보가 흐려진다는 치명적인 단점이 있다. 안개 속을 볼 수 없듯, 생체 조직의 수많은 세포와 구조들이 빛을 산란시켜 이미지를 흐리게 만들기 때문이다. 반면, 초음파 영상은 태아를 감별할 수 있을 정도로 생체 내부 깊은 곳까지 이미징할 수 있지만, 해상도가 낮아 미세한 구조를 볼 수 없다는 단점이 있다.
연구진은 광학 현미경과 초음파 영상의 장점을 결합하여, 생체 내부 깊은 곳을 높은 해상도로 관찰할 수 있는 초음파 결합 광학 현미경을 개발했다. 초음파 결합 현미경은 생체 조직 내부를 잘 침투하는 초음파를 집속시킨 후, 초음파의 초점을 지나는 빛만 측정하는 방식으로 산란광의 세기를 크게 감쇄시킬 수 있다. 초음파가 광학현미경에게 관찰 경로를 알려주는 일종의 내비게이션 역할을 하는 셈이다.
초음파는 생체 조직을 응축, 팽창시켜 굴절률을 변조하는 방식으로 빛의 진행에 영향을 준다. 연구진은 이런 초음파의 특성을 응용해 초음파의 초점을 통과하는 빛만을 선택적으로 측정하는 기술을 개발하고, 이 기술을 공간 게이팅(space-gating)이라 명명했다. 초음파는 생체 내부의 ‘빛 거름망’ 역할을 하며 무작위로 산란되던 빛을 차폐한다. 공간 게이팅 기술을 통해 연구진은 산란광을 100배 이상 감쇄시키며 생체 조직 내에서 광학 이미지가 흐려지는 문제를 극복할 수 있었다.
장무석 교수는 “촘촘한 거름망을 사용하면 더 고운 가루만 남는 것처럼 초음파의 초점을 작게 할수록 산란광을 더 많이 감쇄시킬 수 있다”며 “향후 산란광을 1000~1만 배 수준까지 감쇄시켜 더 선명한 이미지를 얻게 될 것으로 기대한다”고 말했다.
연구진은 개발한 현미경을 이용해 별도의 형광 표지 없이 부화한지 30일 된 성체 제브라피시의 척추 안쪽 근육 조직 이미지를 얻는데 성공했다. 기존 기술은 제브라피시의 장기, 척추 등 내부 구조에서 산란 현상이 일어나 절단을 통해서만 내부 근육 결을 관찰할 수 있었다. 이와 달리 개발된 현미경은 자연 상태 그대로 살아있는 제브라피쉬 내부 조직을 꿰뚫어볼 수 있다.
연구진은 인체 조직에도 사용할 수 있는 공간 게이팅 기술을 구현해나갈 계획이다. 향후 현미경을 소형화하고 이미징 속도를 증가시키면, 실시간 질병 진단에도 응용할 수 있을 것으로 기대된다. 이번 연구를 이끈 최원식 부연구단장은 “초음파 결합 광학 현미경은 기존 광학 현미경의 얕은 이미징 깊이 문제를 해결하는 획기적인 기술”이라며 “공간 게이팅 기술을 더욱 발전시켜 빛의 산란 현상을 이해하고, 의생명 광학 기술 분야 활용 범위를 넓혀나갈 것”이라고 말했다.
2020.02.21 조회수 13766 -
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 14477 -
조광현 교수, 암세포를 정상세포로 되돌리는 초기 원천기술 개발
우리대학 바이오및뇌공학과 조광현 교수 연구팀이 시스템생물학 연구를 통해 대장암세포를 일반적인 정상 세포로 되돌리는 초기 원천기술을 개발하는 데 성공했다.
연구팀은 대장암세포와 정상 대장 세포의 유전자 조절 네트워크를 분석해 대장암세포를 정상 대장 세포로 변환하는데 필요한 핵심 인자를 규명하고, 이를 통해 암세포의 정상 세포화라는 새로운 치료 원리를 개발했다.
KAIST 이수범 연구원, 황채영, 김동산 박사, 한영현 박사과정, 서울삼성병원의 이찬수 박사, 홍성노 교수, 김석형 교수 등이 참여한 이번 연구결과는 미국암학회(AACR)에서 출간하는 국제저널 ‘분자암연구(Molecular Cancer Research)’ 1월 2일 자 표지논문으로 게재됐으며, 하이라이트 특집 기사도 함께 출판됐다. (논문명: Network inference analysis identifies SETDB1 as a key regulator for reverting colorectal cancer cells into differentiated normal-like cells).
현재 항암치료로 가장 널리 사용되는 항암 화학요법은 빠르게 분열하는 암세포를 공격해 죽임으로써 암세포의 증식을 억제하는 방식이다. 이 기술은 신체 내 정상적으로 분열하고 있는 세포들까지도 함께 사멸시켜 구토, 설사, 탈모, 골수 기능장애, 무기력 등의 부작용을 일으킨다.
게다가 암세포들은 항암제에 본질적인 내성을 갖거나 새로운 내성을 갖게 돼 약물에 높은 저항성을 가지는 암세포로 진화하게 된다. 따라서 현재의 항암치료는 내성을 보이는 암세포를 없애기 위해 더 많은 정상 세포의 사멸을 감수해야만 하는 문제를 갖는다.
이를 극복하기 위해 암세포만을 특이적으로 없애는 표적 항암요법과 우리 몸의 면역시스템을 활용한 면역 항암요법이 주목을 받고 있으나 각각 효과와 적용대상이 매우 제한적이며 장기치료 시 여전히 내성 발생의 문제가 보고되고 있다. 이처럼 현재 개발된 항암요법들은 암세포를 죽여야 하는 공통적인 조건 때문에 근본적인 한계를 가진다.
문제 해결을 위해 연구팀은 암세포를 정상 세포로 변환하는 새로운 방식의의 치료전략을 제안했다. 암세포가 정상 세포로 변환되는 현상은 20세기 초부터 간혹 관찰됐지만, 그 원리가 연구되지 않았으며 또한 이를 인위적으로 제어하는 기술도 연구된 바 없었다.
1907년 스위스 병리학자 막스 아스카나지(Max Askanazy)가 난소의 기형종(테라토마)이 정상 세포로 분화되는 현상을 발견한 이래로 다양한 암종에서 정상 세포로 변화되는 현상들이 산발적으로 보고됐고, 이러한 보고에서는 암세포가 돌연변이를 지닌 상태에서 주변 미세환경의 변화나 특정 자극 때문에 정상 세포의 상태로 되돌아가는 현상만이 관찰됐다.
조 교수 연구팀은 시스템생물학 연구방법을 통해 대장암세포를 정상 대장 세포로 변환할 수 있는 핵심조절인자를 탐구했고, 그 결과 다섯 개의 핵심전사인자(CDX2, ELF3, HNF4G, PPARG, VDR)와 이들의 전사 활성도를 억제하고 있는 후성유전학적 조절인자인 SETDB1을 발견했다.
연구팀은 이번 연구를 통해 SETDB1을 억제함으로써 암세포를 효과적으로 정상 세포로 변환할 수 있음을 분자세포실험을 통해 증명했다. 대장암세포에서 SETDB1을 억제했을 때 세포가 분열을 중지하고 정상 대장 세포의 유전자 발현패턴을 회복하는 것을 확인했다.
이번 연구에 따르면 암세포에서는 암 특이적으로 활성화된 후성유전학적 조절인자 SETDB1이 정상 세포의 핵심전사인자를 억제해 암세포가 정상 세포로 변환하는 것을 차단하고 있는 것으로 밝혀졌다. 즉, SETDB1을 조절함으로써 다시 원래의 정상 세포 상태로 되돌릴 수 있음을 증명한 것이다.
조 교수 연구팀은 서울삼성병원과의 협동 연구를 통해 SETDB1이 높게 발현되는 대장암세포를 가진 환자들에게서 더 안 좋은 예후가 나타남을 확인했으며, 환자 유래 대장암 오가노이드(3차원으로 배양한 장기유사체)에서 SETDB1의 발현을 억제했을 때 다시 정상 세포와 같은 형태로 변화함을 관찰했다.
이번 연구에서 찾아낸 타겟 단백질의 활성을 억제할 수 있는 저분자화합물은 아직 개발된 바 없으며 추후 신약개발과 전임상실험을 통해 암세포의 정상 세포화라는 새로운 치료 기술이 본격적으로 실현될 수 있을 것으로 보인다.
이러한 새로운 개념의 치료전략이 적용된다면 현재 항암치료의 많은 부작용과 내성 발생을 모두 최소화함으로써 환자의 고통을 완화해 삶의 질을 크게 높일 수 있을 것으로 기대된다.
조 교수는 “그동안 암은 유전자 변이 축적에 의한 현상이므로 되돌릴 수 없다고 여겨졌으나 이를 되돌릴 가능성을 보여줬다”라며 “이번 연구는 암을 당뇨나 고혈압과 같은 만성질환으로서 잘 관리하면서 삶의 질을 유지할 수 있도록 하는 새로운 항암치료의 서막을 열었다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업, KAIST Grand Challenge 30 사업의 지원으로 수행됐다.
□ 그림 설명
조광현 교수 연구팀은 SETDB1 단백질이 대장암세포가 정상대장세포로 분화하는 것을 차단하는 후성유전학적 장애물을 형성하고 있다는 사실을 밝히고 이를 억제함으로써 대장암세포를 정상대장세포로 효과적으로 분화시킬 수 있음을 증명하였다.
□ 분자암연구 표지 이미지
2020.01.09 조회수 18923 -
이상완 교수, 신경과학-인공지능 융합연구 통해 인간의 문제해결 과정 규명
우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 신경과학과 인공지능의 융합연구를 통해 인간의 문제해결 과정에서 뇌가 정보를 처리하는 원리를 규명하는 데 성공했다.
연구팀은 신경과학-인공지능 융합연구를 이용해 인간의 문제 해결 과정을 이론적·신경과학적으로 규명하는 데 성공했다. 이번 연구를 통해 인간 지능의 핵심 요소들을 인공지능 알고리즘으로 이식할 가능성을 크게 높일 수 있을 것으로 기대된다.
이상완 교수와 함께 김동재 박사과정과 박건영 석사과정이 주도하고, 미국 캘리포니아 공과대학(Caltech)과의 국제 공동연구를 통해 진행된 이번 연구는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’12월 16일 자 온라인판에 게재됐다.
불확실성과 복잡도가 변하는 상황에서 달성 가능한 목표를 설정하고 계획을 세워 실행 및 전략을 수정해 나가는 과정은 인간이 가진 고유한 문제 해결 능력 중 하나이다. 최근 인공지능 알고리즘이 다양한 분야에서 인간의 작업 수행 능력을 넘어서고 있으나, 이러한 문제 해결 능력에 대한 완벽한 해결방안은 제시하지 못하고 있다.
인간의 문제 해결 과정은 목표설정-전략수립-실행-전략수정을 반복하는 과정으로, 이는 상태 의존적인 복잡한 시간의 함수이다. 일반적으로 인간의 문제 해결 과정은 많은 양의 데이터를 모으기 어렵고 불확실성과 복잡도가 높아 빅데이터 기반의 전통적 딥러닝 설계 방식으로는 구현이 어렵다.
연구팀은 문제 해결을 위해 ‘강화학습 이론 기반 실험 디자인’이라는 기술을 이용해 문제 해결 목표, 문제의 복잡도, 상황 변화의 불확실성이라는 세 가지 변수를 동시에 변화시켜 실제 인간의 문제 해결 과정과 유사한 상황을 구현했다.
이를 이용해 취득한 행동과 뇌 영상 데이터를 바탕으로 문제 해결 과정을 설명할 수 있는 수학적 모델을 찾기 위해 100가지가 넘는 종류의 메타 강화학습 알고리즘을 학습하고 비교 분석했다. 이 과정은 모델 기반 뇌 이미징 분석이라 불리는 기법이다.
연구팀은 더 엄밀한 검증을 위해 ‘정밀 행동 프로파일링’이라는 분석 방법을 적용했다. 이 방법을 이용하면 겉으로 보이는 행동이 인간과 유사할 뿐만 아니라, 실제로 인간과 같은 원리로 문제를 해결하는 모델을 도출할 수 있다.
그 결과로 문제의 불확실성 및 복잡도와 변화하는 상황에서 인간의 학습과 추론 과정을 모사하는 메타 강화학습 모델을 구현했고, 이 모델의 정보처리 과정이 전두엽의 한 부위인 복외측전전두피질의 신경 활성 패턴으로 설명된다는 것을 발견했다.
1 저자인 김동재 박사과정은 “다양한 가설을 엄밀히 검증하는 과정에 많은 시간이 소요됐지만 정밀 행동 프로파일링 방법론을 통해 실제 인간의 행동 원리를 재현하는 모델을 찾아냄으로써 추후 인공지능으로의 이식에도 큰 도움이 될 것이다”라고 말했다.
이상완 교수는 “기존 연구방식은 하나의 퍼즐 조각을 떼어서 다른 퍼즐의 빈자리를 메꾸는 것이라면, 이번 연구는 퍼즐을 푸는 원리를 배워 다른 퍼즐 맞추기에 적용하는 것에 비유할 수 있다”라며 “인간만이 가진 지능의 핵심 요소들을 인공지능 알고리즘으로 이식하는 기술은 이제 첫걸음을 떼었다고 생각한다. 이 기술이 완성되면 궁극적으로는 지능을 공학적으로 분해하고 과학적으로 이해할 수 있을 것으로 기대한다”라고 말했다.
연구팀은 최근 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 설립한 KAIST 신경과학-인공지능 융합연구센터에서 이러한 기반 기술을 활용해 인간 지능을 모사한 차세대 인공지능 모델을 개발하고, 아울러 딥마인드, MIT, IBM AI 연구소, 케임브리지 대학 등 해외 관련 연구 기관과의 국제 공동연구를 통해 기술의 파급력을 높여나갈 계획이라고 말했다.
이번 연구는 삼성전자 미래기술육성센터의 지원 및 과학기술정보통신부 정보통신기획평가원의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 메타 강화학습 모델과 각 단계의 정보처리 과정에 관여하는 뇌 영역
2019.12.23 조회수 9309 -
조광현 교수, 대장암 항암제 내성 극복할 병용 치료타겟 발굴
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 대장암의 항암제 내성을 극복할 수 있는 새로운 병용치료 타겟을 발굴하는 데 성공했다.
연구팀은 암세포의 복잡한 생체데이터를 분자 네트워크 관점에서 분석하는 시스템생물학 접근법의 중요성을 제시했다. 이 방법을 통해 암세포가 가지는 약제 내성의 원리를 시스템 차원에서 파악하고, 새로운 약물 타겟을 체계적으로 발굴할 수 있을 것으로 기대된다.
박상민 박사과정, 황채영 박사 등이 참여한 이번 연구결과는 국제학술지 ‘유럽생화학회저널(FEBS Journal)’의 4월호 표지논문으로 게재됐다. (논문명 : Systems analysis identifies potential target genes to overcome cetuximab resistance in colorectal cancer cells)
암은 흔하게 발생하는 대표적인 난치병으로 특히 대장암은 전 세계적으로 환자 수가 100만 명을 넘어섰고, 국내의 경우 서구화된 식습관과 비만 등으로 인해 발병률 증가 속도가 10년간 가장 높게 나타났다. 최근 급격한 고령화에 따라 대장암 환자의 발생률 및 사망률이 가파르게 증가할 것으로 예상되고 있다.
최근 암세포의 특정 분자만을 표적으로 하는 표적항암제가 개발돼 부작용을 크게 줄이고 효과를 높일 수 있지만, 여전히 약물에 반응하는 환자가 매우 제한적이며 그나마 반응을 보이더라도 표적 항암치료 후 약물에 대한 내성이 생겨 암이 재발하는 문제를 안고 있다.
또한, 환자별로 항암제에 대한 반응이 매우 달라 환자의 암 조직 내 유전자 변이의 특징에 따라 적합한 치료를 선택하는 정밀의학의 필요성이 커지고 있다. 대장암 역시 약물의 효과를 예측할 수 있는 유전자 바이오마커의 여부에 따라 적합한 표적항암제를 처방하는 시도가 이뤄지고 있다.
FDA 승인을 받은 대표적인 대장암 치료제인 세툭시맙(cetuximab)의 경우 약물 반응성을 예측하는 바이오마커로 KRAS 유전자 돌연변이의 유무가 활용되고 있는데 이 유전자 돌연변이가 없는 환자에게 처방을 권고하고 있다.
그러나 KRAS 돌연변이가 없는 환자도 세툭시맙 반응률은 절반 정도에 불과하고 기존 항암 화학요법 단독시행과 비교해도 평균 5개월의 수명을 연장하는 데 그치고 있다. 오히려 KRAS 돌연변이가 있는 환자에게서 반응성이 있는 경우가 보고되고 있다.
따라서 KRAS 돌연변이 유무 이외의 새 바이오마커가 요구되고 있으며 KRAS 돌연변이가 존재해도 내성을 극복할 수 있는 병용치료 타겟의 발굴이 필요하다.
조 교수 연구팀은 유전체 데이터 분석, 수학 모델링, 컴퓨터 시뮬레이션 분석과 암 세포주 실험을 융합한 시스템생물학 연구를 통해 세툭시맙 반응성에 대한 바이오마커로 다섯 개의 새로운 유전자(DUSP4, ETV5, GNB5, NT5E, PHLDA1)를 찾아냈다.
그리고 대장암세포에서 각 유전자를 실험적으로 억제한 결과 KRAS 정상 세포에서 발생하는 세툭시맙 내성을 모두 극복할 수 있었다.
특히 GNB5를 억제하면 KRAS 돌연변이가 있는 세포주에서도 세툭시맙 처리에 따른 약물내성을 극복할 수 있음을 밝혔다. 따라서 GNB5의 억제를 통해 대장암 환자의 KRAS 돌연변이 유무와 관계없이 세툭시맙에 대한 내성을 극복할 수 있어 GNB5가 효과적인 병용치료 분자 타겟이 될 수 있음을 증명했다.
연구팀이 제시한 유전자를 바이오마커로 활용하면 세툭시맙에 잘 반응할 수 있는 민감 환자군을 미리 선별해 치료할 수 있는 정밀의학의 실현을 앞당길 수 있다.
또한, 발굴된 유전자들을 표적화하는 신약개발을 통해 내성을 가지는 환자군에 대해서도 새로운 치료전략을 제시할 수 있다. 특히 세툭시맙 치료 대상에서 제외됐던 KRAS 돌연변이가 있는 환자군에 대해서도 GNB5의 억제를 통해 치료 효과를 가져올 수 있을 것으로 기대된다.
조 교수는 “지금껏 GNB5 유전자 조절을 대장암의 조합치료에 활용한 예는 없었다”라며 “시스템생물학으로 암세포가 가지는 약제 내성의 원리를 밝히고, 내성 환자군에 대한 바이오마커 동정 및 내성 극복을 위한 병행치료 타겟 발굴을 통해 정밀의학을 실현할 수 있는 새로운 가능성을 제시했다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 유럽생화학회저널 4월 표지
2019.05.07 조회수 21266 -
조광현 교수, 뇌의 제어구조 규명
〈 조광현 교수 연구팀 〉
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 뇌 영역 간 복잡한 연결 네트워크에 내재된 뇌의 제어구조를 규명했다.
이번 연구를 통해 뇌의 동작 원리에 대한 이해를 높이고, 뇌의 제어구조 분석을 통해 뇌 질환 연구 및 치료에 응용될 수 있을 것으로 기대된다. 또한 4차 산업혁명의 핵심기술로 주목받는 IT와 BT의 융합연구인 시스템생물학을 통해 규명했다는 의의가 있다.
이병욱 박사, 강의룡, 장홍준 박사과정이 참여한 이번 연구는 셀(Cell) 출판사가 펴내는 융합과학 국제학술지 ‘아이사이언스(iScience)’ 3월 29일 자에 게재됐다.
뇌의 다양한 인지기능은 뇌 영역들 사이의 복잡한 연결을 통한 영역 간 상호작용으로 이뤄진다. 최근 뇌의 연결성에 대한 정보가 뇌의 동작 원리를 파악하는 핵심이라는 의견이 대두되면서 세계적으로 뇌 연결성을 파악하기 위한 커넥톰(Connectome) 연구가 활발히 이뤄지고 있다.
이를 통해 뇌 영역 사이의 구체적 연결성이 파악되고 있지만 복잡한 연결성에 내재된 뇌의 동작 원리에 대한 이해는 아직 매우 부족한 상황이다. 특히 뇌의 강건하면서 효율적 정보처리 능력의 기반이 되는 뇌의 숨겨진 제어구조는 파악된 내용이 없다.
조 교수 연구팀은 뇌의 제어구조 분석을 위해 ‘미국국립보건원(NIH) 휴먼 커넥톰 프로젝트(Human Connectome Project)’에서 제공하는 정상인의 뇌 영상 이미지 데이터를 활용해 뇌 영영 간 네트워크를 구축했다.
이후 연구팀은 그래프 이론의 최소지배집합(minimum dominating set) 개념을 활용해 뇌 영역 간 복잡한 연결 네트워크의 제어구조를 분석했다.
최소지배집합이란 네트워크의 각 노드(뇌의 각 영역)가 링크(뇌의 서로 다른 영역간의 연결)로 연결된 이웃 노드에 직접적 영향을 줘 기능을 제어할 수 있다고 가정할 때, 네트워크를 구성하는 모든 노드를 제어하는 데 필요한 최소한의 노드 집합을 말한다.
기존 여러 연구를 통해 다양한 생체 네트워크 및 통신망, 전력망 등의 복잡계 네트워크를 제어하는 데 있어서 최소지배집합이 핵심적인 역할을 한다는 것이 보고된 바 있다.
연구팀은 최소지배집합을 기반으로 ‘제어영역의 분포(distribution of control)’와 ‘제어영역의 중첩(overlap in control area)’이라는 두 가지 지표를 정의한 뒤 이를 기준으로 총 네 종류의 제어구조를 정의했다.
이후 연구팀은 브레인 네트워크를 비롯해 도로망, 통신망, 소셜 네트워크 등 실존하는 다양한 복잡계 네트워크가 어떤 제어구조를 갖는지 분석했다. 분석 결과 뇌는 다른 대부분 네트워크와는 달리 제어영역이 분산된 동시에 서로 중첩된 특이한 구조로 이뤄짐을 밝혀냈다.
뇌의 이러한 제어구조는 외부 섭동에 의한 네트워크의 높은 강건성을 유지하면서 동시에 여러 인지기능을 효율적으로 수행하기 위한 영역들의 상호 활성화를 다양하게 하기 위한 것임을 밝혔다.
IT와 BT가 융합된 시스템생물학 접근을 통한 브레인 네트워크의 구조분석은 인공지능의 발전에도 기여할 것으로 보인다. 브레인 네트워크의 진화적 설계원리에 대한 이해를 높인다면 컴퓨터 과학자들이 이를 이용해 새로운 인공지능 기술을 개발할 수 있다.
조 교수는 “지금껏 뇌의 제어구조가 밝혀진 바가 없었다”라며 “복잡한 연결성에 숨겨진 브레인 네트워크의 진화적 설계원리를 시스템생물학 연구를 통해 찾아냄으로써 뇌의 동작 원리를 파악할 수 있는 새로운 가능성을 제시했다”라고 말했다.
이번 연구는 과학기술정보통신부와 한국연구재단의 중견연구자지원사업과 바이오의료기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 뇌의 제어구조 규명
그림2. 뇌 영역 간 네트워크 구축
2019.04.10 조회수 20358 -
이상완 교수, 신경과학-인공지능 융합으로 공학적 난제 해결
〈 (왼쪽부터) 안수진 박사과정, 이지항 박사, 이상완 교수 〉
우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 영국 케임브리지 대학, 구글 딥마인드와의 공동 연구를 통해 차세대 뇌 기반 인공지능 시스템 설계의 방향을 제시했다.
이번 연구는 인간의 두뇌가 기존의 인공지능 알고리즘이 해결하지 못하는 부분을 해결할 수 있다는 사실에 기반한 신경과학-인공지능 융합 연구이다.
성능, 효율, 속도의 균형적 설계와 같은 다양한 공학적 난제를 해결할 수 있는 신경과학 기반 강화학습 이론을 제안한 것으로 새로운 인공지능 알고리즘 설계에 긍정적인 영향을 줄 것으로 기대된다.
이상완 교수와 함께 이지항 박사, 안수진 박사과정이 주도한 이번 연구는 국제 학술지 사이언스의 자매지 ‘사이언스 로보틱스(Science Robotics)’ 1월 16일 자 온라인판에 포커스 형식으로 게재됐다.
최적제어 이론에서 출발한 강화학습은 기계 학습의 한 영역으로 지난 20여 년 동안 꾸준히 연구된 분야이다. 특히 지난 5년 동안은 딥러닝 기술을 발전과 맞물려 급격한 성장을 이뤘다.
딥러닝 기반 강화학습 알고리즘은 최근 알파고와 같은 전략 탐색 문제, 로봇 제어, 응급실 비상 대응 시스템과 같은 의료 진단 등 다양한 분야에 적용되고 있다. 그러나 주어진 문제에 맞게 시스템을 설계해야 하는 점, 불확실성이 높은 환경에서는 성능이 보장되지 않는 점 등이 근본적인 해결책으로 남아있다.
강화학습은 의사 결정 및 계산신경과학 분야에서도 지난 20년간 꾸준히 연구되고 있다. 이상완 교수는 2014년 인간의 전두엽-기저핵 뇌 회로에서 이종 강화학습을 제어한다는 신경과학적 증거를 학계에 발표한 바 있다. 2015년에는 같은 뇌 회로에서 고속 추론 과정을 제어한다는 연구를 발표했다.
연구팀은 이번 연구에서 강화학습 등의 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 제안했다.
중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습의 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호와 같은 정보를 처리하며, 인간의 두뇌는 이 정보들을 경쟁적-협력적으로 통합하는 프로세스를 통해 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이 이론의 핵심이다.
이러한 원리를 단일 인공지능 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 강인하게 성능, 효율, 속도 세 조건(performance-efficiency-speed tradeoff) 사이의 균형점을 유지하는 최적의 제어 시스템을 설계할 수 있다. 더 나아가 다수의 인공지능 개체가 협력하는 상황에서는 서로의 전략을 이용함으로 협력-경쟁 사이의 균형점을 유지할 수 있다.
1 저자인 이지항 박사는 “현대 인공지능의 우수한 성능은 사람의 행동 수준 관찰뿐 아니라 두뇌의 저수준 신경 시스템을 알고리즘으로 구현해 적극적으로 발전시킨 결과라고 보고 있다”라며 “이번 연구는 계산신경과학에 기반한 결과로 현대 딥러닝과 강화학습에서 겪는 성능, 효율, 속도 사이의 난제를 해결하는 실마리가 될 수 있고, 새로운 인공지능 알고리즘 설계에 많은 영감을 줄 것이다”라고 말했다.
이상완 교수는 “연구를 하다 보면 우리의 두뇌는 공학적 난제를 의외로 쉽게 해결하고 있음을 알 수 있다. 이 원리를 인공지능 알고리즘 설계에 적용하는 뇌 기반 인공지능 연구는 구글 딥마인드, MIT, 캘리포니아 공과대학, UCL 등 해외 유수 기관에서도 관심을 두는 신경과학-인공지능 융합 연구 분야이다”라며 “장기적으로는 차세대 인공지능 핵심 연구 분야 중의 하나로 자리를 잡을 것으로 기대한다”라고 말했다.
이번 연구는 과학기술정보통신부 및 정보통신기술진흥센터 연구개발 사업, 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 외부 환경에 따라 성능-효율-속도 문제 균형점을 찾는 뇌기반 강화학습 이론 (좌), 이를 최적 제어하는 ‘전두엽 메타 제어’(중) 및 로보틱스 분야 문제 해결 적용 사례 (우)
2019.01.24 조회수 11849 -
정기훈 교수, 곤충 눈 구조 모방한 초박형 카메라 개발
〈 왼쪽부터 장경원 박사과정, 정기훈 교수, 황순홍 박사과정 〉
우리 대학 바이오및뇌공학과 정기훈 교수 연구팀이 독특한 눈 구조를 가진 곤충인 제노스 페키(Xenos peckii)를 모사한 초박형 디지털카메라를 개발했다.
제노스 페키를 모사해 개발한 초박형 디지털카메라는 기존 이미징 시스템보다 더 얇으면서 상대적으로 넓은 광시야각과 높은 분해능을 갖는다. 감시 및 정찰 장비, 의료용 영상기기, 모바일 등 다양한 소형 이미징 시스템에 적용 가능할 것으로 기대된다.
금동민, 장경원 박사과정이 주도한 이번 연구결과는 국제 학술지 ‘빛 : 과학과 응용(Light : Science & Applications)’ 10월 24일 자에 게재됐다. (논문명: 제노스 페키의 시각기관을 모사한 초박형 디지털카메라, Xenos peckii vision inspires an ultrathin digital camera)
정 교수 연구팀은 자연계에서 발견되는 광학 구조를 모방하는 연구를 꾸준히 진행해 왔다. 반딧불이의 배 마디 구조를 분석해 광효율을 높은 LED 렌즈를 개발한 바 있고, 생체모사를 통한 무반사 기판을 제작하는 등 해당 분야를 선도하고 있다.
최근 전자기기 및 광학기기의 소형화로 초박형 디지털카메라에 대한 수요가 증가하고 있다. 그러나 기존의 카메라 모듈은 광학적 수차를 줄이기 위해 광축을 따라 복수의 렌즈로 구성돼 있어 부피가 매우 크다는 단점이 있다. 이런 모듈을 단순히 크기만 줄여 소형기기에 적용하면 분해능과 감도가 떨어지게 된다.
연구팀은 문제 해결을 위해 곤충인 제노스 페키의 시각구조를 적용한 렌즈를 제작했고 이를 이미지 센서와 결합한 초박형 디지털카메라를 개발했다.
곤충의 겹눈구조는 수백, 수천 개의 오마티디아라 불리는 아주 작은 광학 구조로 이뤄져 있다. 일반적인 겹눈구조는 수백, 수천 개의 오마티디아에서 한 개의 영상을 얻지만, 제노스 페키는 다른 곤충과는 달리 각 오마티디아에서 개별의 영상을 획득할 수 있다. 또한 오마티디아 사이에 빛을 흡수할 수 있는 독특한 구조를 가져 각 영상 간 간섭을 막는다.
연구팀이 개발한 카메라는 2mm 이내의 매우 작은 크기로 제노스 페키의 겹눈구조를 모방해 수십 개의 마이크로프리즘 어레이와 마이크로렌즈 어레이로 구성된다. 마이크로프리즘과 마이크로렌즈가 한 쌍으로 채널을 이루고 있으며 각각의 채널 사이에는 빛을 흡수하는 중합체가 존재하며 각 채널 간 간섭을 막는다.
각각의 채널은 화면의 다른 부분들을 보고 있으며 각 채널에서 관측된 영상들은 영상처리를 통해 하나의 영상으로 복원돼 넓은 광시야각과 높은 분해능을 확보할 수 있다.
정기훈 교수는 “초박형 카메라를 제작하는 새로운 방법을 제시했다”며 “이 연구는 기존의 평면 CMOS 이미지 센서 어레이에 마이크로 카메라를 완전히 장착한 초박형 곤충 눈 카메라의 첫 번째 데모이며 다양한 광학 분야에 큰 영향을 미칠 것으로 확신한다.”라고 말했다.
□ 그림 설명
그림1. (좌) 제노스 페키의 SEM 영상. (우) 형광 염색된 제노스 페키의 시각구조
그림2. (좌) MEMS 공정을 통해 제작된 마이크로프리즘 어레이의 SEM 영상. (우) 완성된 초박형 디지털 카메라의 광학 영상
그림3. (좌) Xenos peckii의 시각기관을 통해 얻은 영상. (우) 초박형 디지털 카메라를 통해 얻은 영상
2018.11.20 조회수 10351