AI로 현미경에 대해 더 자세한 정보 얻어 전자현미경 용도 확대
AI 알고리즘으로 전자현미경의 공간 해상도, 민감도 향상 가능해
저하된 데이터로 학습한 딥러닝 모델이 고해상도 품질로 향상시켜
X-레이는 고속으로 가속된 전자를 금속에 충돌시켜 전자가 갑자기 감속됐을 때, 발생하는 전파를 이용하는 영상 진단 장치다.
그러나 X-레이 사진은 3차원의 물체를 2차원으로 나타내기 때문에 판독에는 한계가 있다. 따라서 이보다 발전된 기술로 개발된 것이 바로 CT(엑스선 컴퓨터 단층 촬영)다.
CT는 X-레이로 물체 주위를 회전하면서 촬영하고, 이를 다시 컴퓨터 알고리즘이 3차원 영상으로 재구성한다. 기존에는 환부를 2차원의 평면적인 방법으로 들여다볼 수밖에 없었지만, CT가 나오면서 의료 이미징 분석 기법은 3차원으로 한 단계 올라섰다.
그러나 CT도 한계는 있었다. 영상 이미지를 찍으려면, X-레이라는 방사선을 사용해야 하기 때문에 암 발생의 위험을 떨쳐버리지 못한 것이다. 이를 위해 개발된 것이 바로 MRI(자기 공명 영상) 장치다.
MRI는 방사선이 아닌 수소 원자의 성질을 이용해 영상을 찍는다. 수소 원자핵이 자기장과 상호 작용해 특정 주파수의 전자파를 흡수, 방출하는 패턴을 측정함으로써 영상을 얻는 기법이다.
그러나 이보다 한 단계 더 발전한 영상 장비가 바로 음극선을 사용하는 전자현미경이다. 전자현미경은 전기장과 자기장으로 전자를 휘게 하는 전자기 렌즈를 사용한다.
전자현미경에는 전자선을 사용해 시료를 투과시킨 전자선을 전자렌즈로 확대해 관찰하는 투과형 전자현미경(TEM)과 가느다란 전자빔을 시료 표면에 주사시켜 입체감 있는 영상을 얻는 주사형 전자현미경 (SEM)이 있다.
그런데 21세기 과학기술의 발전으로 이 전자현미경에 인공지능이 융합하면서, 찍은 영상을 더욱 선명한 영상으로 재탄생시키는 기법이 활용되고 있다. 이를 토대로 의료 기술의 획기적 발전이 예상되고 있다.
심층 신경망 사용해 해상도 향상
인공지능이 전자 현미경의 유용성을 확대한다는 소식이 전해졌다.
지난 16일 아르곤 국립 연구소(Argonne National Laboratory)의 치루타다 파탁(Charudatta Phatak)연구팀이 AI를 활용해 현미경 감도와 정확도를 높이고 있다고 뉴스와이즈가 보도했다.
아르곤 국립연구소에 따르면, 연구자들은 AI 프레임워크를 통해 수십 년 된 영상 기술을 개선할 수 있다. 그 비결은 바로 인공지능(AI)라는 것이다.
광학현미경보다 해상도가 1,000배 이상 높은 전자현미경은 물질을 영상화하고, 그 성질을 세밀하게 표현하는데 탁월하지만, 몇 가지 한계가 있는 것으로 알려져 있다.
과학자들은 이 한계를 극복하기 위해 비용이 많이 드는 하드웨어 업그레이드에 집중해왔다. 반면에 미국 에너지부 산하의 아곤 국립 연구소의 연구원들은 소프트웨어가 그들의 성능을 더욱 끌어올릴 수 있다는 것을 보여주고 있다.
최근에 아곤 연구진은 AI 툴을 독특한 방식으로 활용해 전자현미경의 해상도를 향상시킬 수 있는 방법을 밝혀냈다. ‘npj Computational Materials’에 게재된 그들의 접근법은 과학자들이 재료와 현미경 자체에 대한 훨씬 더 자세한 정보를 얻을 수 있게 해주며, 이를 토대로 전자현미경의 용도를 더욱 확대할 수 있다.
“우리의 방법은 기존 기기의 해상도를 향상시켜 사람들이 값비싼 새 하드웨어로 자주 업그레이드할 필요가 없도록 돕고 있다"고 아곤 연구원이자 논문의 주요 저자인 타오 저우(Tao Zhou) 박사는 말했다.
연구원들은 오늘날 전자 현미경의 과제에 대해 다음과 같이 설명했다. 전자는 움직일 때, 파도처럼 작용하고, 전자 현미경은 이미지를 만들기 위해 이 전자를 이용한다.
이미지는 물질이 전자파의 빔에 노출될 때 형성되는데 물질이 통과하면, 이 파동들은 물질과 상호작용해 검출기가 이를 포착하고, 측정한다. 이러한 측정은 확대된 이미지를 생성하는 데 사용된다.
전자현미경은 확대된 이미지를 만드는 것과 함께, 전하를 전기장에 대해 이동시키는 데 필요한 에너지인 자화 및 정전기 퍼텐셜과 같은 물질 특성에 대한 정보를 포착한다.
이 정보는 상으로 알려진 전자파의 속성에 저장된다. 위상은 웨이브가 피크에 도달하는 지점과 같이 웨이브 사이클 내에서 포인트의 위치 또는 타이밍을 설명한다.
측정을 수행하면 위상에 대한 정보가 손실되는 것처럼 보이고, 결과적으로, 과학자들은 그들이 획득한 이미지로부터 자화 또는 정전기 전위에 대한 정보에 접근할 수 없다.
“이러한 특성을 아는 것은 배터리, 전자제품 및 기타 장치의 소재에서 원하는 특성을 제어하고, 설계하는 데 매우 중요하다. 그것이 상 정보를 검색하는 것이 중요한 이유”라고 파탁 연구원은 말했다.
이미지 영상 정보를 검색하는 것은 수십 년 된 문제이며, 그것은 X-레이 촬영에서 유래됐고, 지금은 전자현미경을 포함한 다른 분야에서도 공유되고 있다.
이 문제를 해결하기 위해 아르곤의 컴퓨터 과학자이자, 그룹 리더인 파탁, 저우, 매튜 체루카라(Matthew Cherukara)는 AI의 한 형태인 심층 신경망을 활용하는 것을 제안한다.
신경망은 본질적으로, 인간의 뇌와 신경계를 모방하도록 설계된 일련의 알고리즘이다. 일련의 입력과 출력이 주어질 때, 이 알고리즘들은 둘 사이의 관계를 계획하지만, 이를 정확하게 하려면, 신경망이 훈련돼야 한다고 그들은 주장했다.
연구팀은 이러한 훈련 알고리즘을 사용해 위상 정보를 복구하는 방법을 시연했다.
“보통 당신이 위상을 복구하려고 할 때, 현미경 파라미터를 완벽하게 알고 있다고 가정한다. 그러나 그 지식은 정확하지 않을 수 있다”고 그는 지적했다.
그들의 방법은 기존 장비의 해상도와 감도를 향상시키는데 하드웨어 업그레이드 비용 없이 자화 및 정전기 전위의 작은 변화에 대한 정보를 얻을 수 있다.
저우 박사는“소프트웨어 업그레이드를 하는 것만으로도 현미경의 공간 해상도, 정확도, 민감도를 향상시킬 수 있다”며“이러한 장점을 활용하기 위해 새로운 장비를 추가할 필요가 없다는 점은 실험자 입장에서 큰 장점”이라고 밝혔다.
며칠에서 단 몇 초로 단축해
올해 5월 7일 유럽 분자생물학 연구소(EMBL)의 연구팀이 머신 러닝으로 더 빠르고, 정확하게 만들어진 전자 현미경을 개발했다고 E&T 매거진이 전했다.
연구원들은 AI 알고리즘과 두 가지 최첨단 현미경 기술을 결합해 이미지 처리 시간을 며칠에서 단 몇 초로 대폭 단축하는 동시에 선명하고 정확한 이미지를 만들어내는데 성공했다.
예를 들어, 물고기 뇌의 빠른 신경 신호를 관찰할 때, 라이트 필드 현미경(light field microscope) 기술을 사용한다. 이 현미경은 연구원들이 매우 빠른 속도로 물고기 유충의 뛰는 심장과 같이 매우 미세한 움직임을 추적하고, 측정할 수 있게 해주는 큰 3D 영상을 캡처하는데 유용하다.
그러나 이 이미지들은 종종 품질이 떨어지고, 엄청난 양의 데이터를 3D 볼륨과 영상화로 변환하기 때문에 최종 이미지는 대개 해상도가 부떨어지고, 처리하는데 몇 시간에서 며칠이 걸린다.
이를 해결하기 위해 유럽 분자생물학 연구소(EMBL)의 연구팀은 3D 이미지를 빠르게 이해하기 위한 AI 알고리즘 기반의 데이터 집약적인 도구를 사용했다. 한 번에 주어진 샘플의 단일 2D 평면에 홈인하는 유사한 기술인 라이트 시트 현미경이 바로 그것이다.
“궁극적으로, 우리는 이 접근법에서 ‘두 세계의 최고’를 취할 수 있었다”라고 논문의 주요 저자 중 한 명인 닐스 와그너(Nils Wagner)는 말했다.
그는 또 “AI는 우리가 다양한 현미경 기술을 결합할 수 있게 해주었고, 그래서 우리는 광학 현미경이 허용하는 만큼 빠르게 영상을 촬영할 수 있었고, 광시트 현미경의 이미지 해상도에 근접할 수 있었다”고 덧붙였다.
“만약에 여러분이 이미지를 생성하는 알고리즘을 만든다면, 여러분은 이 알고리즘들이 올바른 이미지를 구성하고 있는지 확인할 필요가 있다”라고 EMBL 그룹의 리더인 안나 크레수크(Anna Kreshuk)는 말했다.
그녀는 그들의 새로운 연구가 인공지능 알고리즘이 제대로 작동하는지 확인하기 위해 라이트 시트 현미경을 사용했다고 설명했다.
연구원들은 그들의 접근 방식이 잠재적으로 다른 종류의 현미경으로도 작동할 수 있도록 수정될 수 있다고 믿으며, 결국 생물학자들은 수십 개의 다른 표본을 보고, 훨씬 더 빨리 더 많은 것을 볼 수 있게 됐다는 것이 연구원들의 주장이다.
예를 들며, 이 기법으로 심장 발달에 관여하는 유전자를 찾거나, 동시에 수천 개 뉴런의 활동을 측정할 수 있다.
저하된 이미지로 고품질 영상 얻어
올해 3월 10일 소크 연구소(Salk Institute) 연구원들이 인공지능을 사용해 현미경 이미지의 품질을 향상시키고 있다고 랩 매니저 매거진(Lab Manager Magazine)이 전했다.
소크 연구소는 미국 캘리포니아주 샌디에이고 라호이아에 있는 세계적인 생명과학 연구소의 하나다.
연구소에 따르면, 딥 러닝은 과학자들이 현미경으로 저해상도 이미지에서 더 많은 세부 정보를 얻을 수 있는 잠재적인 도구지만, 그 과정에서 컴퓨터를 훈련시키기 위한 충분한 기준 데이터를 수집하는 것은 종종 어렵다.
그러나 소크 연구소의 과학자들에 의해 개발된 새로운 방법은 고해상도 이미지를 찍는 기술을 더 쉽게 만들 수 있다는 설명이다.
연구원들이 ‘분열기’라고 부르는 이 새로운 도구는 미토콘드리아와 같은 저조도 조건을 요구하는 세포의 상세한 이미지를 얻는 것을 매우 쉽게 만들 수 있다는 것이다. 기존에는 이 구조를 관찰하기 어려웠던 것으로 알려져 있다.
아울러 이는 과학자들이 강력한 현미경에 접근할 수 없더라도 고해상도 이미지를 획득하는 데 도움이 될 수 있다. 이 연구 결과는 2021년 3월 8일 네이처 메소즈 저널에 게재됐다.
소크 연구소의 우리 마노르(Uri Manor) 소장은 “이 현미경에 수백만 달러를 투자하고 있다”며,“이 현미경이 할 수 있는 일의 한계를 뛰어넘기 위해 여전히 애쓰고 있으며, 이는 우리가 딥러닝을 통해 해결하려고 했던 문제다”고 주장했다.
연구팀의 설명에 따르면, 딥 러닝은 컴퓨터 알고리즘이 사례들을 학습함으로써, 배우고 향상되는 인공지능의 일종이다. 이미지의 해상도를 개선하거나, 배경에 깔린 노이즈를 줄임으로써 현미경 이미지를 개선하기 위해 사용된다.
그런데 이 딥러닝을 사용하려면, 시스템이 고해상도 및 저해상도 이미지의 많은 사례를 보여줘야 한다. 그런데 여기서 두 번의 개별 노출로 완전히 동일한 현미경 이미지를 촬영하는 게 어렵고, 비용이 많이 들기 때문에 문제가 된다. 특히, 살아있는 세포를 상상할 때, 어렵다고 연구팀은 설명했다.
마노르 소장에 따르면, 이 새로운 방법은 고화질 이미지를 가져다가 고의로 저하시켜서, 팀이 획득할 수 있는 가장 낮은 해상도의 이미지처럼 보이게 한다.
마노르 연구팀은 고해상도 이미지와 포인트 스캔 초해상도(PSSR)라고 불리는 딥 러닝 소프트웨어에 대해 저하된 이미지들을 보여주었다. 저하된 이미지들을 연구한 후, 그 시스템은 선천적으로 품질이 떨어지는 이미지들을 개선하는 방법을 배웠다.
과거에 인위적으로 저하된 데이터를 학습한 컴퓨터 시스템은 실제 세계의 원시 데이터를 제공받았을 때, 여전히 어려움을 겪었기 때문에 이는 의미심장한 표현이라는 것이 연구원의 설명이다.
즉, 암세포 안에 있는 미토콘드리아의 저해상도 이미지가 인공지능을 이용해 강화된다. 마노르 소장은 “우리는 다양한 분해 방법을 시도했고, 실제로 효과가 있는 방법을 발견했다”고 말했다.
“이 방법을 사용하면, 사람들은 많은 시간이나 자원을 투자하지 않고도 이 딥 러닝 기술에 의해 이익을 얻을 수 있다”라고 이미지 분석 전문가이자, 논문의 주요 저자인 린징 팡(Linjing Fang)은 말했다.
기존의 고품질 데이터를 사용해 데이터를 저하시켜서 딥 러닝 모델을 교육하고, 이를 토대로 저해상도 이미지의 품질을 향상시킬 수 있다는 것이 그의 설명이다.
AI타임스 조행만 객원기자 chohang5@kakao.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com