- KAIST 예종철 교수팀-서울대-포스텍 공동연구팀, 보는 각도마다 화질 차이가 생기는 3차원 형광 현미경의 오랜 문제인 이방성 문제에 인공지능 기술 적용하여 해결
- 별도의 준비 과정 없이 형광 현미경 3차원 영상 하나만 있어도 고화질로 복원 가능
- 동 기술로 화질 향상을 통해 뇌의 신경세포들간 연결망을 분석하여 뇌지도 만드는 연구에 적용가 능하며 아울러 작성된 세포 단위의 정밀한 뇌지도를 통해 치매, 우울증 등 정신 질환 치료 방법 기술 개발 기대
KAIST는 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.
KAIST 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
□ 용어설명
형광 현미경 (Fluorescence microscopy)
생물 조직에 형광 물질을 염색시킨 후 이 물질에 빛을 비추어 형광을 유도하여 생물학적 조직 형태를 가시화 하는 현미경 기술.
비등성 (Anisotropy)
물질의 성질이 방향에 따라 바뀌는 것. 현미경의 경우, 방향에 따라 화질이 크게 차이나는 형태로 나타난다.
지도 학습 (Supervised Learning)
특정 입력에 대해 얻고자 하는 올바른 정답이 존재하고 일대일 매칭이 가능한 상황에서 입력 값과 올바른 정답의 직접적 상관 관계를 이용한 인공지능 학습 형태.
비지도 학습 (Unsupervised learning)
특정 입력에 대해 얻고자 하는 올바른 정답이 일대일 매칭으로서 존재하지 않는 상황에서 데이터 집합 간의 상관 관계를 이용한 인공지능 학습 형태.
심층 신경망 (Deep neural network, DNN)
뇌의 생물학적인 신경 연결망을 모방하여 다층의 인공세포를 구성하고, 빅 데이터를 이용하여 연결망의 강도를 학습시키는 인공지능 알고리즘.
최적 수송 기법 (Optimal Transport)
다수의 수학 확률적 분포 간의 통계적 거리를 최소화하는 방법.
그림 1. 공초점 형광 현미경 영상의 3차원 고화질 복원. (a) 쥐 대뇌 샘플 3차원 영상에 해당 기법을 적용한 결과. 하나의 이미지 공간을 원본(위)과 복원본(아래)으로 나누었다. (b) 해당 기법을 이용하여 고화질 복원한 영상의 생물학적 검증을 위해, 물리적으로 별도 촬영한 고화질 데이터(비교본)를 획득하여 비교 검증하였다.
그림 2. 대규모 3차원 영상 고화질 복원. 쥐 대뇌 반구 전체에 해당하는 대규모 3차원 영상에 해당 기술을 적용하여 고화질 복원하였다. 다양한 생물 조직 구조에도 화질 향상이 효과적으로 가능한 것을 볼 수 있다. 오른쪽 밑의 2차원 영상들은 그림 2열에서 노란색 박스로 표시된 부분을 고화질로 별도 촬영한 비교본과 비교 검증하였다.
그림 3. 해당 인공지능 기술의 적용 범용성. 개발된 기술은 생물 조직의 종류에 구애 받지 않고, 생물학적 정보를 얻는데 있어서 실질적인 도움을 주었다. (a) 해당 기술을 뇌의 혈관 조직 3차원 영상에 적용함. (b) 신경 교세포의 일종인 별아교세포(Astrocyte) 3차원 영상에 적용함. (c) 해당 기술의 적용을 통해 더 많은 신경세포 연결망 정보를 추출해 낼 수 있다.
