인공지능 기술인 딥러닝을 이용해 방사선량이 적은 저선량 CT 촬영으로도 고화질 의료영상을 얻는 길이 열렸다. 인공지능이 의료현장에서 사용되며 실생활에 한층 다가오게 됐다.
예종철 한국과학기술원(KAIST) 석좌교수 연구팀은 이 같은 연구결과로 지난 1일 열린 미국 의학물리학자협회(AAPM)에서 주최한 국제 저선량 CT 영상 획득 그랜드 챌린지에서 2위를 수상했다고 18일 밝혔다.
엑스레이 CT는 선명한 3차원 영상을 제공한다. 하지만 여러 각도에서 반복적인 X선 촬영이 필요해 방사선 피폭 위험을 갖고 있다. 병의 조기 진단이나 중재시술 등을 할 때 반복적인 방사선을 몸에 노출시키는 것은 세포와 조직 변형을 일으켜 암을 유발할 수 있다.
이 때문에 저선량 촬영을 하면 CT 피폭 위험성을 낮출 수 있지만 영상 해상도가 크게 낮아지고 왜곡이 발생해 진단의 어려움이 있다.
연구팀은 저선량으로 화질이 낮아지는 문제를 해결하기 위해 딥러닝 기술을 적용했다. 다수의 환자에게 얻은 정상선량과 저선량 CT 영상을 이용했다. 이 영상데이터를 바탕으로 수학연산인 합성곱 기반 인공신경망을 지도 학습시켰다. 학습된 신경망으로 저선량 CT 영상을 복원했다.
영상 도메인에서 신경망을 적용하지 않고 영상 웨이블렛 변환 도메인에서 신경망을 지도학습 시켰다. 웨이블렛 변환은 신호를 바꿔주는 대표적 기법이다.
연구팀은 신호처리 기법인 웨이블렛 변환을 딥러닝과 접목시켜 새로운 알고리즘을 개발했다. 영상의 부분적 특성을 반영하려고 변환도메인의 일부를 뽑아내 제안된 신경망을 학습시켰다. 다양한 방향성 필터를 사용하는 방향성 웨이블렛 변환을 사용해 저선량 CT 영상에서 생기는 여러 방향의 패턴 영상 왜곡을 없앴다. 인공신경망 기반 알고리즘이라 기존 알고리즘과 달리 영상복원이 매우 빠르게 수행된다. 저선량 CT에서 발생하는 독특한 영상왜곡과 화질저하 문제를 성공적으로 해결했다.
개발된 알고리즘은 정확한 영상복원뿐 아니라 실제 임상 의사의 평가에서도 높은 점수를 받아 임상적용의 기대가 크다. CT에 근본적으로 존재하는 방사선 피폭 위험성을 개선할 것으로 기대된다.
예종철 교수는“인공지능 기술을 접목해 방사선 피폭량을 획기적으로 줄일 수 있는 엑스레이 CT 원천기술을 개발한 것”이라며 “저선량 CT의 임상적용 등에 곧 상용화를 기대할 수 있어 그 동안 진단과 중재시술에서 문제가 된 환자와 의료진의 방사선 피폭 문제를 근본적으로 해결하는데 기여할 수 있을 것”이라고 설명했다.
송혜영기자 hybrid@etnews.com
