딥러닝 기술을 접목한 영상기술
CT 방사선 위험성 인공지능과 첨단 IT 기술로 해결하다
미래창조과학부가 “최신 인공지능 기술인 딥러닝 기술을 이용하여 방사선량이 적은 저선량 CT 촬영으로도 임상에서 사용될 수 있는 고화질 의료영상 구현의 길이 열렸다.”고 밝혔다. 예종철 석좌교수(한국과학기술원) 연구팀이 미래창조과학부 기초연구사업(개인연구) 지원으로 수행한 이 연구는 미국 의학물리학자협회(AAPM)에서 주최한 국제 저선량 CT 영상 획득 그랜드 챌린지에서 2위를 수상했다.
예종철 석좌교수
한국과학기술원
연구의 필요성
X선 컴퓨터 단층촬영(X-ray CT)은 대표적인 의료 영상기술 중 하나로 선명한 3차원 영상을 제공하며, 장기 및 질환에서 병변이 의심되고 정밀검사를 시행해야 할 때 기본적으로 실시되는 진단법으로 현재 대부분의 병원에서 사용된다. 이 방식은 다각도로 X선을 투사하여 X선 영상을 획득한 후 단층영상을 재구성하는데, 여러 각도에서 반복적인 X선 촬영이 필요하기 때문에 다량의 방사선 피폭의 위험성을 지닌다. 하지만 특히나 병의 조기 진단이나 중재시술 등에 수반되는 반복적인 방사선 피폭은 세포와 조직이 변형을 일으켜 암 등을 유발할 수 있다고 알려져 있다.
이를 해결하기 위해 최근 X선의 선량을 줄여서 촬영하는 저선량 CT에 대한 연구가 활발히 진행되고 있다. 저선량 촬영을 시행하면 CT의 피폭 위험성을 낮출 수 있으나, 엑시선 검출기에서 잡음이 증가하고, X선이 인체 내부에서 산란될 확률이 높아져 재구성된 영상의 해상도가 현저히 낮아질 뿐 아니라 영상왜곡이 발생하여 진단의 효용성이 떨어진다<그림 1>. 또한 저선량 CT의 경우 특히 뼈와 같이 흡수율이 매우 높은 물질은 선형의 큰 영상왜곡을 발생시키는데 이는 정확한 진단을 어렵게 만든다.
문제점 해결을 위한 노력
연구팀은 위에서 언급된 저선량 CT의 영상복원 문제를 해결하기 위해 딥러닝 기술과 신호처리 기법인 웨이블렛 변환기술에 주목했다.
딥러닝은 심층 인공신경망 구조를 이용하는 알고리즘으로 최근 인공지능 분야를 주도하는 핵심 기술 중 하나이다. 기존에는 영상 분류와 관련된 분야에만 주로 이용되었지만, 의료 방사선 피폭문제를 해결하기 위해 적용된 사례는 전무하였다. 특히 연구팀은 신호처리 기법인 웨이블렛(wavelet) 변환을 딥러닝과 접목시켜 새로운 알고리즘을 개발하였다.
딥러닝 기술을 사용하기 위해 우선 다수의 환자로부터 얻은 정상선량 및 저선량 CT영상을 이용하였다. 이 영상데이터를 바탕으로 합성곱 기반 인공신경망을 지도학습 시켰으며, 학습된 신경망을 통해 저선량 CT 영상을 복원하였다. 구체적으로 기존 연구와 같이 영상도메인에서 신경망을 적용하지 않고 영상의 웨이블렛 변환 도메인에서 신경망을 지도학습 시켰다.
이를 통해 저선량 CT에서 발생하는 독특한 영상왜곡과 화질저하 문제를 성공적으로 해결하였다. 또한 예종철교수 연구팀은 이 연구에서 정상 엑스선 촬영조건(약 10밀리시버트(mSv))을 1/4로 획기적으로 줄인 저선량 촬영조건 (약 2.5밀리시버트(mSv))에서도 신체 내부 장기에서의 암의 전이를 정확히 찾아낼 수 있는 고화질의 영상복원이 가능함을 보였다.
즉, 웨이블렛 변환 도메인에서 낮은 주파수 대역의 신호는 저선량 촬영에서도 영상잡음이 거의 존재하지 않는 특성을 고려해 고주파수 대역 신호만 복원하는 합성곱 신경망을 설계 하였다. 그리고 영상의 국지적인 특성을 반영하기 위해서 변환도메인의 일부 영역만을 추출해 제안된 신경망을 학습 시켰다. 또한 다양한 방향성 필터를 사용하는 방향성 웨이블렛 변환을 사용하여 저선량 CT 영상에서 발생하는 여러 방향의 패턴의 영상 왜곡을 효율적으로 제거 하였다. 그리고 인공신경망 기반 알고리즘이기 때문에 기존 알고리즘과 달리 영상복원이 매우 빠르게 수행된다.
연구 성과
연구팀이 참가한 저선량 CT 그랜드 챌린지는 CT촬영에서 방사선 피폭을 줄이면서도 진단의 정확도를 유지하는 알고리즘을 경쟁한 대회로 미국국립보건원(NIH)의 후원으로 미국 의학물리학자협회(AAPM)와 메이요클리닉(Mayo Clinic)의 주관으로 열렸다. 전 세계 103개 팀이 참가하였으며, 예종철 교수 연구팀은 2위에 올랐다. 이번 연구결과는 이 분야 세계적인 저널인 메디컬 피직스(Medical Physics) 저널에 게재될 예정이다.
엑스선 CT는 암의 조기진단 및 중재수술에서 가장 많이 사용되는 영상 장비이나 촬영 시 유발되는 의료방사선 피폭에 의한 위험 방지 대책이 요구되고 있는 상황이다. 이 연구에서 의료방사선 피폭량을 획기적으로 줄이면서도 진단 및 중재수술에서의 효용성을 유지할 수 있는 기술이 개발됨으로써 국민건강 증진에 크게 기여할 것으로 기대된다.
기대효과
이 연구에서 개발된 알고리즘은 정량적으로 정확한 영상복원뿐 아니라 실제 임상 의사들의 정성적 평가에서도 높은 점수를 받아 임상적용의 기대가 크다. 따라서 CT에 근본적으로 존재하는 방사선 피폭 위험성을 크게 개선할 것으로 기대된다.
특히 기존에 의료영상에 적용된 딥러닝 기술은 영상 분석 및 이해를 통한 자동 병변 진단에 집중이 되어 왔는데, 오진 시 책임소재의 여부 등 법적, 제도적 장치의 미비로 실제 산업화의 한계들이 존재해 왔다. 하지만 이 연구의 결과, 임상의들의 진단을 더욱 정확하게 내릴 수 있도록 고화질의 의료영상을 제공하는 수단으로서 인공지능기술을 활용함으로써 법적인 제도적인 보완 없이도 인공지능 기술의 의료 산업화가 용이하게 되었다.
기존의 연구들은 인공지능 기술을 이용한 자동 병변 진단에 관심을 가지고 있으나, 이 경우 오진에서의 책임의 문제 등 법, 제도적으로 넘어야 할 많은 문제들을 가지고 있다. 이 연구의 경우 자동 진단을 내리는 대신 인공지능기술을 이용하여 고화질의 영상을 제공함으로써 임상의가 더욱 정확한 진단을 내릴 수 도와줌으로써 기존의 법·제도적인 테두리 안아서 그 상용화가 더욱 유리한 장점을 가지고 있다.
기존의 딥러닝 기법과 다른점
기존의 딥러닝 기법은 영상이해 및 진단에 주로 사용되어 왔으며 영상복원에 적용된 사례는 많지 않다. 특히 의료영상복원에 적용된 경우는 거의 없었는데, 저선량 CT 영상복원에 딥러닝 기법을 적용하여 기존의 시스템을 능가하면서 계산량을 획기적으로 줄인 이번 연구는 의료영상분야에 새로운 연구방향을 제시하였다는 것에 큰 의미가 있다. 특히 미국 의학물리학자협회에서 대대적으로 개최한 국제 저선량 CT 그랜드 챌린지에서 전 세계 100여개의 팀이 참여하는 경쟁에서도 수상을 하여 그 성능을 공개적으로 인정받아 국제적으로 선두임을 인정받았다는 점에서 큰 의의를 가지고 있다. 또한 기술적인 면에서는 이번 연구에서는 신호처리 기법인 웨이블렛 영상처리 기술과 딥러닝 기법을 조합하여 기존의 잡음제거 알고리즘보다 영상왜곡을 현저히 줄여낸 것으로, 이러한 신호처리 기술과 인공지능의 조합은 향후 다른 의료영상복원 및 인공지능망의 응용에도 적용할 수 있는 기초 연구가 될 것이다.
자료제공 | 한국과학기술원(KAIST)(www.kaist.ac.kr)
