KAIST 박성홍 교수 연구실 후안 민 루 박사과정생 수상
Brain Tumor Segmentation 퍼포먼스 개선하는 U-net 기반 딥러닝 네트워크 개발
다른 후보 제출 결과보다 통계적으로 월등함 증명
미니인터뷰(Mini Interview)
◆ 명성있는 국제 대회서 1위한 소감은
본 대회에서 한국 팀이 1등 한 건 처음이라 감회가 남다르다. 올해는 큰 국제 학회 세 곳에서 공동 주관한 대회라 더욱 의미 있다. 한국이 딥러닝을 이용한 의료 영상 연구 분야에서 경쟁력이 있음을 보여주는 좋은 예다. 이번 성과가 한국 연구자도 국제무대에서 두각을 나타내는 발판이 되길 바란다.
◆ 연구 성과를 구체적으로 설명하자면
올해 대회에는 예년보다 더 많은 데이터가 제공됐다. 우리는 데이터에 담긴 더 많은 정보를 학습할 수 있도록 네트워크 크기를 늘렸다. 그러나 네트워크가 커지면 각 훈련 단계에 적은 수의 트레이닝 샘플(training sample)이 사용돼 성능이 저하될 수 있다. 이를 해결하기 위해 기존과 다르게 그룹 정규화 방법을 사용했다. 여러 모델의 예측을 결합해 성능도 개선했다.
◆ 해당 연구 상용화를 위해 개선해야 할 점이 있다면
Brain tumor segmentation은 뇌종양에 해당하는 영역을 MRI 영상에서 구분하는 일인데, 지금도 병원에서는 수작업으로 많이 진행하고 있다. 우리가 개발한 딥러닝 네트워크는 이를 자동화하는 방식이다.
상용화되려면 일반화와 효율성 검증이 필요하다. 다양한 병원과 다양한 MRI 장비 데이터를 통해 성능이 여러 가지 상황에서 잘 동작하도록 일반화해야 한다. 임상의사의 대기 시간을 줄이기 위해 더 짧은 실행 시간에 최적화될 필요도 있을 듯하다.
인공지능(AI)을 접목한 국내 의료 기술이 국제 학술 무대에서 1위를 차지하는 쾌거를 이뤘다.
KAIST 박성홍 교수 연구팀이 세계적 학술대회인 'Brain Tumor Segmentation Challenge(BRATS)'에서 1위를 차지했다.
수상자는 박성홍 교수 연구실의 후안 민 루(Huan Minh Luu) 박사과정 학생이다. Brain Tumor Segmentation의 퍼포먼스(performance)를 개선하는 U-net 기반 딥러닝 네트워크를 개발했다.
해당 네트워크는 기존보다 더 큰 훈련 데이터에서 효과적으로 학습하기 위해 nnUNet(no-new UNet)부터 네트워크 크기를 늘렸다. 배치 정규화를 그룹 정규화로 수정해 추가도 했다. 어텐션이나 트랜스포머 아키텍처를 사용하는 복잡한 방식보다 성능이 우수하고 더 간단하다. 해당 제출물은 다른 후보에 비해 통계적으로 훨씬 월등하다고 주최측을 통해서도 입증됐다.
Brain Tumor Segmentation Challenge(BRATS)는 무슨 대회인가
멀티모달(Multi-modal) MRI data를 기반으로 뇌종양을 가장 정확히 구획화(Segmentation)하는 딥러닝 네트워크 개발 대회다. 전 세계에서 매년 개최하는 대회로 올해 10회째다. 특히 올해 BRATS 대회는 국제적으로 영향력 있는 학회 RSNA(Radiological Society of North America), MICCAI(Medical Image Computing and Computer Assisted Intervention), ASNR(American Society of Neuroradiology)가 공동 주관해 더 주목받았다.
올해는 ‘뇌종양 인공지능 대회(Brain Tumor AI Challenge)’가 주제다. 세부적으로는 ▲뇌종양 구획화(Brain Tumor Segmentation) ▲뇌종양방사능유전체학분석(Brain Tumor Radiogenomic Classification)로 나눴다.
KAIST 연구팀이 우승한 Brain Tumor Segmentation 분야에는 3개월 동안 전 세계에서 2천 개 넘는 팀이 제출물을 3만 건 이상 냈다. Nvidia(2018년 대회 우승자)와 같이 해당 분야 선두 기업들도 참가했다.
AI타임스 김미정 기자 kimj7521@aitimes.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com