POSTECH(포항공과대학교, 총장 김무환)은 전자전기공학과·IT융합공학과 김철홍 교수, 전승완 박사 연구팀이 AI를 활용해 음속 차이로 인한 광음향 영상의 왜곡을 바로잡는 기술을 개발했다고 8일 밝혔다.

▲ 딥러닝 모델(SegU-net)을 적용해 개선된 사람 족부 미세혈관 및 흑색종 영상  © 포스텍

POSTECH에 따르면 광음향 영상은 빛을 인체 조직에 쬐었을 때 빛을 흡수한 조직이 순간적으로 열팽창하면서 발생하는 음파(광음향) 신호를 초음파 센서로 감지해 영상화하는 원리를 이용한다. 광학을 이용한 영상 기술로는 1mm 미만의 얕은 깊이만을 볼 수 있지만 광음향 영상으로는 인체 조직 내 수 cm까지 볼 수 있다.

다만 기존의 초음파나 광음향 영상은 음속을 1,540m/s 등의 대푯값으로 가정해, 영상이 왜곡되는 문제가 생길 수 있었다. 영상 시스템의 한계로 인해 신호를 충분하게 얻지 못한 채 영상을 확인해야 할 때도 있었다. 이 경우 영상에 결함(artifact)이 나타나 영상 판독에 방해가 된다.

이러한 문제를 해결하기 위해 김철홍 교수팀은 시뮬레이션 상에서 임의로 매질의 음속을 설정해 왜곡한 광음향 영상과 그렇지 않은 실제 광음향 영상을 만들었다. 이에 따라 AI를 학습시켰고, 시뮬레이션 된 연습 영상과 실제 사람에게서 확인한 광음향 영상에 적용해 효과를 확인했다.

연구 결과, 기존 광음향 영상에서 발생하던 왜곡이 줄어들면서 주요 신호 주변에 나타나던 결함 신호의 크기가 기존 광음향 영상의 최대 5% 수준까지 감소했으며, 신호대 잡음비는 약 25데시벨(dB)까지 높아졌다. 영상 시스템의 128개 채널에서 수신한 신호 중 64개 채널만 사용하는 경우에도 AI는 거의 동일한 화질의 광음향 영상을 만들었다.

구체적으로 건강한 사람의 팔과 발의 혈관 영상, 흑색종 환자의 몸 안 광음향 이미지의 왜곡이 줄어들고 선명도가 개선됐으며, 산소포화도 등 주요 진단 정보는 5% 내외 정도의 차이만 발생해 기존 U-net, Segnet 등의 AI 모델보다 우수함을 입증했다. 이 기술은 매질이 임의의 음속 분포를 가지고 있거나 데이터 샘플링이 드문 실제 임상 환경에서도 활용 가능하다.

김철홍 교수는 “이 기술을 활용하면 빠른 시간 안에 선명한 이미지를 볼 수 있다”며 “향후 팔이나 다리 등 인체 말단 부위의 혈관 질환 진단, 흑색종 등의 암 진행단계 판단 및 절제를 위한 정확한 경계 설정 등 다양한 임상 연구에도 적용할 수 있을 것으로 기대된다”고 말했다.

이번 연구는 SCI급 국제학술지(IEEE Transactions on Image Processing)에 최근 게재됐으며, 과학기술정보통신부 중견연구와 시스템반도체 융합전문인력 육성사업, 교육부 대학중점연구소 지원사업, 보건복지부 의료기기 기술개발사업, 4단계 BK21사업 등의 지원을 받아 이뤄졌다.

<아래는 구글번역기로 번역한 기사 전문이다.>

 Prof. Cheol-Hong Kim's team at POSTECH developed a technology to remove photoacoustic image distortion caused by the difference in sound speed

POSTECH (Pohang University of Science and Technology, President Kim Moo-hwan) announced on the 8th that a research team led by Professor Cheol-Hong Kim and Dr. Seung-Wan Jeon of the Department of Electronic and Electrical Engineering and IT Convergence Engineering developed a technology to correct the distortion of the photoacoustic image due to the difference in sound speed using AI.

According to POSTECH, photoacoustic imaging uses the principle of imaging by detecting sound wave (photoacoustic) signals generated by instantaneous thermal expansion of tissue that absorbs light when light is exposed to human tissue with an ultrasonic sensor. With optical imaging technology, only a shallow depth of less than 1 mm can be seen, but with photoacoustic imaging, it can see up to several centimeters in human tissue.

However, conventional ultrasound or photoacoustic images assume that the speed of sound is a representative value such as 1,540 m/s, which may cause image distortion. Due to the limitations of the imaging system, there were times when it was necessary to check the image without obtaining a sufficient signal. In this case, an artifact appears in the image and interferes with image reading.

To solve this problem, Professor Cheol-Hong Kim's team created a distorted photoacoustic image by setting the sound speed of the medium arbitrarily in the simulation and an actual photoacoustic image that is not. The AI ​​was trained accordingly, and the effect was confirmed by applying it to the simulated practice video and the photoacoustic video confirmed by real people.

As a result of the study, as the distortion that occurred in the existing optoacoustic image was reduced, the size of the defect signal that appeared around the main signal was reduced by up to 5% of the existing photoacoustic image, and the signal-to-noise ratio was increased to about 25 decibels (dB). Even when only 64 of the signals received from the 128 channels of the imaging system were used, AI created an optoacoustic image with almost the same quality.

Specifically, the distortion of the image of blood vessels in the arm and foot of a healthy person and the photoacoustic image inside the body of a melanoma patient are reduced and the clarity is improved. It has proven superior to AI models such as Segnet. This technique can be used in real clinical environments where the medium has a random distribution of sound velocity or data sampling is rare.

Professor Cheol-Hong Kim said, “Using this technology, you can see a clear image in a short time. It is expected to be applied to various clinical studies.”

This research was recently published in the SCI-level international academic journal (IEEE Transactions on Image Processing), and the Ministry of Science and Technology Information and Communication's mid-level research and system semiconductor convergence specialist nurturing project, the Ministry of Education's university-focused research institute support project, the Ministry of Health and Welfare, the medical device technology development project, 4 This was done with support from the phase BK21 project.