[POSTECH, Hybrid Diffusion 기술로 광음향 단층 촬영술 고해상도·고속 복원 시스템 개발]

 

 

POSTECH 연구팀이 비싼 장비가 아니어도 실시간으로 몸속에 있는 장기와 종양의 변화를 3D(3차원)로 관찰하는 새 기술을 개발했다. 전자전기공학과·IT융합공학과·기계공학과·융합대학원(의과학전공) 김철홍 교수 연구팀 (인공지능대학원 박사과정 정현수 씨, 융합대학원(의과학전공) 석사과정 오승훈 씨, IT융합공학과 통합과정 김지웅 씨, 최성욱 박사(現 미국 스탠포드대 박사), 징게 양(Jinge Yang) 박사(現 미국 Caltech 박사) 연구팀이 진행한 이번 연구는 국제 학술지 ‘어드밴스드 사이언스 (Advanced Science)’에 최근 게재됐다. 

 레이저를 비추면 몸속에서 아주 작은 소리가 나는데, ‘광음향 이미징’은 미세한 소리를 초음파 센서로 감지해 몸속을 영상으로 보여주는 기술이다. 이 원리를 활용한 ‘PACT(광음향 컴퓨터 단층 촬영 photoacoustic computed tomography)’ 기술은 반구형으로 배치된 센서들이 여러 방향에서 신호를 한꺼번에 받아들이기 때문에, 몸속의 구조와 기능, 그리고 조영 정보까지 한 번에 보여줄 차세대 영상 기술로 주목받고 있다. 

 하지만 기존의 고사양 PACT 장비는 센서 수가 많아 가격이 비싸고, 수집되는 데이터의 양이 너무 많아 처리 속도가 느리다 보니 몸속에서 빠르게 일어나는 변화를 실시간으로 보기 어렵다는 한계가 있었다.

 연구팀은 적은 수의 센서만으로도 고해상도 영상을 만들 수 있는 PACT 기술을 개발했다. 그 핵심은 ‘하이브리드 확산(hybrid diffusion^*1)’이라는 딥러닝 모델인데, 128개 센서만 가진 저사양 장비로 찍은 데이터를, 1,024개 센서를 쓰는 고급 장비 수준으로 보정해 주는 기술이다. 이 기술을 이용하면 종양 내부의 혈관이 어떻게 자라는지, 산소는 얼마나 공급되는지, 또 약물이 어디로 이동하는지까지 정량적으로 추적할 수 있다.

 연구팀의 모델은 광음향 잡음에 최적화된 diffusion 전뱡향 과정을 제시하고, 세부 특징을 뽑아내는 CNN^*2, 전체 흐름을 읽는 self-attention^*3, 멀리 떨어진 정보를 효율적으로 연결하는 Mamba^*4 모듈을 함께 사용한다. 덕분에 기존 확산 모델은 수백 번 계산해야 했던 과정을 단 2번의 계산만으로 빠르게 영상화할 수 있는 것이 큰 강점이다

 실험에서도 높은 성능이 확인됐다. 256개 센서만 있는 장비에서도 산소포화도와 헤모글로빈양을 정확하게 측정할 수 있었고, 종양 주변의 혈관이 새로 생기거나 산소가 부족해지는 변화도 안정적으로 포착했다. 또한 ‘전이학습^*5’을 적용한 결과, 128채널 장비에서도 심장·뇌·신장 등 주요 장기의 빠른 변화를 고속으로 촬영할 수 있었다. 특히, 조영제를 사용한 약물 추적 실험뿐 아니라 조영제를 쓰지 않은 경우에도 영상 품질이 크게 향상된 것으로 나타났다.

 

 

 

 

 연구를 이끈 김철홍 교수는 “이번 기술의 핵심은 고가 장비 없이도 종양 변화를 안정적으로 관찰할 수 있다는 점”이라며 “앞으로 종양뿐만 아니라 심혈관·내분비 질환 등 여러 연구 및 임상 분야에서 장비의 진입 장벽을 낮추는 실질적 해결책이 될 것”이라고 설명했다.

 한편, 이 연구는 교육부 지원 한국연구재단 기초과학연구프로그램, 과학기술정보통신부가 지원 한국연구재단 연구과제, 과학기술사업화진흥원 지원사업, 정보통신기획평가원의 인공지능대학원지원사업, BK21 FOUR 프로그램 및 Glocal 30 대학 사업의 지원을 받아 수행됐다. 

 

DOI: https://doi.org/10.1002/advs.202513624

1. diffusion: 데이터를 노이즈화·복원하는 과정을 학습해 고품질 영상을 생성하는 딥러닝 기반 생성 모델이다.

2. CNN: 데이터의 작은 영역에 합성곱 필터를 적용해 국소 특징을 추출하는 신경망이다.

3 Self-attention: 입력의 모든 위치를 서로 비교해 중요한 부분에 더 집중하게 하는 메커니즘이다.

4. Mamba: 시간에 따라 변하는 데이터를 읽어가며, 그중에서 중요한 정보만 골라 효율적으로 처리하는 방식이다.

5. 전이학습: 많은 데이터로 학습한 모델의 능력을 이어받아, 적은 데이터로도 빠르게 좋은 성능을 내는 방법이다.