미래창조과학부는 최신 인공지능 기술인 딥러닝 기술을 이용하여 방사선량이 적은 저선량 CT 촬영으로도 임상에서 사용될 수 있는 고화질 의료영상 구현의 길이 열렸다고 밝혔다.

저선량 CT 촬영은 x선 컴퓨터 단층촬영에서 엑스선 발생기의 전류량을 줄이는 등의 방식으로 엑스선 조사량을 줄여서 환자의 방사선 피폭량을 줄이는 단층촬영기법이다.

카이스트 예종철 석좌교수 연구팀은 미래창조과학부 기초연구사업 지원으로 연구를 수행했으며, 이 연구 성과를 활용해 미국 의학물리학자협회(AAPM)에서 주최한 국제 저선량 CT 영상 획득 그랜드 챌린지에서 2위를 수상하였다.

연구팀은 저선량으로 인한 화질 저하 문제를 해결하기 위해 인공지능의 기술인 딥러닝 기술에 주목했다. 기존에는 영상 분류와 관련된 분야에만 주로 이용되었지만, 의료 방사선 피폭문제를 해결하기 위해 적용된 사례는 전무했다. 연구팀은 신호처리 기법인 웨이블렛(wavelet) 변환을 딥러닝과 접목시켜 새로운 알고리즘을 개발했다. 이를 통해 저선량 CT에서 발생하는 독특한 영상왜곡과 화질저하 문제를 성공적으로 해결했다. 웨이블렛 변환은 영상변환의 대표적 기법으로 영상을 국부적으로 존재하는 작은 파형(wavelet)의 조합으로 표현한다.

이 연구에서는 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.

▲ 인공지능을 이용한 저선량 X-ray CT 영상 복원 (a) 정상 선량으로 촬영한 CT 영상. 붉은 원은 종양 부분을 나타냄 (b) 저선량으로 촬영한 CT 영상. (c) 딥러닝을 이용한 영상결과. 제안된 방식은 저선량 영상에서 발생하는 영상 왜곡을 효과적으로 제거하고 화질을 개선하여 종양부분을 정확히 보여줌.

▲ 제안된 딥러닝 기반 저산량 CT 영상 복원 개략도:재구성된 CT영상은 다중크기 웨이블렛으로 변환. 변환된 웨이블렛 계수들은 제안된 신경망 (WaveNet)을 통해서 잡음 제거. 최종적으로 웨이블렛 역변환을 통해 복원된 영상 생성. 제안된 신경망은 고주파 성분만을 학습하는 것을 특징으로 함. 아래 구조는 신경망의 상세도

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. 전세계 103개 팀이 참가하였으며, 예종철 교수 연구팀은 2위에 올랐다. 이번 연구 결과는 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.

예종철 교수는“이 연구는 최신 인공지능 기술을 접목하여 방사선 피폭량을 획기적으로 줄일 수 있는 엑스레이 CT 원천기술을 개발한 것"이라며 저선량 CT의 임상적용 등에 곧 상용화를 기대할 수 있어 그 동안 진단 및 중재시술에서 문제가 되어온 환자 및 의료진의 방사선 피폭 문제를 근본적으로 해결하는데 기여할 수 있을 것”이라고 설명했다.