[DEBUG-WINDOW 처리영역 보기]
즐겨찾기  |  뉴스레터  |  오늘의 정보 회원가입   로그인
BRIC홈 한국을 빛내는 사람들
머크
배너광고안내
이전
다음
스폰서배너광고 안내  배너1 배너2 배너3 배너4
전체보기 한빛사논문 추천논문 상위피인용논문 그이후 한빛사통계
정형진
정형진(Hyungjin Chung) 저자 이메일 보기
KAIST
저자CV 보기
244 KB
  CV updated 2021-04-07 15:58
  논문초록보기
조회 1447  인쇄하기 주소복사 트위터 공유 페이스북 공유 
Two-Stage Deep Learning for Accelerated 3D Time-of-Flight MRA without Matched Training Data

1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드

저는 다양한 bio-medical imaging modality의 영상복원을 딥러닝으로 풀어내는 연구를 하고 있는 박사과정 학생 정형진입니다. 특히 MRI 영상의 복원에 대한 연구를 많이 수행하고 있는데, 근 몇 년간 많이 연구가 되고 있는 분야이기도 하고, 특정 기업에서는 벌써 AI 기반의 복원 알고리즘을 기기에 추가하여 판매하는 등 짧은 시간 안에 큰 발전을 이루고 있습니다.

본 논문에서는 MRI의 한 갈래인 3D 비행시간법 자기공명혈관 혈관조영술(Time of Flight-Magnetic Resonance Angiography; TOF-MRA)의 비지도학습(Unsupervised Learning) 기반 영상복원술을 다룹니다. 기존 MRI 영상 복원에 주로 이용되는 지도학습(Supervised Learning) 기반 영상복원술과는 다르게, 매칭되지 않는 데이터를 이용하여도 지도학습과 유사하거나 오히려 뛰어난 성능을 보이는 것을 밝혔고, 따라서 매칭되는 데이터가 없이도 효과적으로 머신러닝(Machine Learning) 학습이 효과적으로 이루어질 수 있음을 보였습니다. 또한, 혈관의 활성화도가 중요한 혈관조영술의 특성에 맞게 적대적 생성신경망(Generative Adversarial Network; GAN)의 식별자(Discriminator)구조를 고도화시킨 투사 식별자(Projection Discriminator)를 고안하여 최대강도투사 영상(Maximum Intensity Projection; MIP)에서 특히 기존 방식보다 뛰어난 결과를 얻을 수 있었습니다.

MRI 복원 연구를 진행하는 많은 연구자분들께서 공감하시겠지만, 연구를 위해 필요한 많은 양의 데이터를 얻기가 힘들거나, 제한이 있어 알고리즘 개발에 어려움이 있습니다. 또한, 기존 압축센싱(Compressed Sensing; CS) 알고리즘이 task-specific하게 최적화 되어있어 이보다 임상적으로 유의하게 뛰어난 머신러닝 알고리즘을 구축하기 어렵습니다. 이 때문에 논문이 마무리되기까지 여러 시행착오가 있었는데, 제한된 조건 속에서도 기존 방식보다 뛰어난 결과를 얻는 알고리즘을 발표하게 되어 보람이 있습니다.

2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁 드립니다.

저는 KAIST 바이오및뇌공학과 바이오신호영상처리 연구실(Bio Imaging Signal Processing & Learning Lab; BISPL)에서 박사과정 학생으로, 예종철 교수님께 지도를 받고 있습니다.

저희 연구실에서는 머신러닝 기법을 단순히 Biomedical imaging 분야에 적용하는 것이 아니라, 신호처리 관점에서 머신러닝의 원리를 규명하고, 수학적 이론에 근거한 새로운 알고리즘의 개발을 병행하는 폭넓은 연구를 하고 있습니다. 그만큼 다양한 전공(수학, 의학, 전자공학, 의공학 등)을 가진 연구자들이 협업하며 더욱 완성도 높은 다학제간 연구를 진행할 수 있는 환경이 조성되어 있습니다.

3. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람

저는 결국 이미징 시스템의 역문제(Inverse Problem)를 해결하는 사람이고, 따라서 측정된 값만으로는 눈에 보이지 않는 것들을 보이게 하는 연구를 진행합니다. 지금까지 많은 데이터를 다뤄봤지만, 알고리즘 개발의 초입에서 ‘이게 될까?’ 라는 생각을 한 적이 한두번이 아닙니다. 그만큼, 영상복원 알고리즘을 완성하여 보이지 않던 것을 높은 해상도로 볼 수 있게 되었을 때, 아티팩트(artifact)로 점철된 영상을 깔끔하게 만들었을 때 그 결과를 직접 눈으로 볼 수 있다는 점에서 제가 하고 있는 연구분야는 매력적이라고 생각합니다.

특히, 소개된 논문에서 연구한 MRI 영상 가속화 문제는 임상에서 실질적으로 도움이 되는 과제이며, 의사와 환자 모두에게 큰 장점으로 작용할 수 있습니다. 이와 같이 실질적으로 도움이 되는 연구, 보다 더 나은 세상에 기여할 수 있는 연구를 한다는 점에서 보람을 느낍니다.

4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?

Domain expertise, Programming skills, and Math – 딥러닝으로 biomedical imaging의 다양한 문제들을 풀고자 하는 연구자들에게 요구되는 가장 중요한 세 가지 역량이라고 많이 알려져 있습니다. 하지만 이 세 가지를 모두 충분히 갖춘 연구자는 정말 드물다고 생각하며, 자신이 부족한 부분을 끊임없이 채워가는 과정이 중요하다고 생각합니다. 결국 이러한 긴 수행과정을 거치기 위해선 주어진 문제를 해결하고자 하는 의지, 그리고 거인의 어깨에 서서 세상에 기여하는 연구를 하겠다는 자세가 분야를 막론하고 가장 중요한 연구자의 자질인 것 같습니다. 지금 조금 부족하더라도, 이와 같은 self-motivation이 충분하다면 도전해보라는 말을 전하고 싶습니다.

5. 연구활동과 관련된 앞으로의 계획이 있으시다면?

Biomedical Imaging과 머신러닝을 접목시킨 연구가 몇 년 사이에 정말 많이 진행되었고, 그 사이 많은 발전을 이룩했지만, 여전히 발전 초기 단계라고 생각합니다. 그만큼 해결되지 않은 문제들이 아직 무수히 많고, 따라서 각 분야의 전문가들과 협업하며 이를 하나씩 해결해 나가고자 합니다. 또한, 이러한 Domain-specific task를 해결하는 과정에서 연구하고 관찰한 내용을 통해 역으로 머신러닝 커뮤니티에 기여하고 싶습니다.

6. 다른 하시고 싶은 이야기들....

스스로는 할 수 없었을 연구를 여러 주변 분들의 따뜻한 사랑과 지지 덕에 할 수 있었습니다. 제가 연구에 집중하고 논문을 쓸 수 있었던 것은 전부 사랑하는 부모님, 조부모님, 그리고 가족 구성원들의 전폭적인 지지가 있었기 때문입니다. 이 자리를 빌어 감사의 인사를 전하고 싶습니다. 항상 뛰어난 insight를 주시고 잘 나아가도록 push해주시며, 학생을 믿어주시는 저의 지도 교수님 예종철 교수님께 감사합니다. 답답할 수도 있던 연구를 잘 이끌어 주시고 논문 작성에 있어 저를 공동으로 지도해주신 선우준 교수님께도 감사인사를 올립니다.

끝으로, 부족했던 저를 옆에서 항상 도와주고 지지해준 공동 연구자 은주 누나에게 감사 인사를 전합니다.

#심층 학습 #비지도 학습 #자기공명영상
Category: Medicine, Neuroscience, Nanobio
등록일 2021-04-14
  댓글 0
등록
목록
관련링크
정형진 님 전체논문보기 >
관련인물
외부링크
ORCID ORCID 0000-0003-3202-0893
위로가기
한빛사 홈  |  한빛사FAQ
 |  BRIC소개  |  이용안내  |  이용약관  |  개인정보처리방침  |  이메일무단수집거부
Copyright © BRIC. All rights reserved.  |  문의
트위터 트위터    페이스북 페이스북   유튜브 유튜브    RSS서비스 RSS
써모피셔사이언티픽 광고