1. 딥 러닝 기반의 조영제 주입 전후의 CT 영상 합성에 대한 연구, KAIST

- 과제리더 : 한인화

- 참여연구원 : 김보아, 양세린

​

- 과제 수행 기간 : 2021.01.01.~2021.12.31

​

- 과제 요약 :

 컴퓨터 단층 혈관 조영술은 조영제를 통해 혈관 영역을 주변 부위에 비해 밝게 보여줌에 따라 진단에 도움을 주고 검사 시간이 짧다. 그러나 CT 영상과 조영 증강 CT(Contrast enhanced CT, CECT) 영상 두 번의 촬영이 필요하여 추가적인 방사선 노출 뿐 아니라 각 촬영 과정에서 환자의 움직임으로 인해 두 영상이 완전히 매칭되지 않는 한계점이 있다. 이를 해결하기 위해 본 과제에서는 한 번의 CT 영상 촬영으로 조영제 주입 전후의 CT 영상을 획득할 수 있는 딥 러닝 기반 CT 영상 합성 연구를 진행하였다. 특히, 뇌혈관 조영 영상에서 뼈 구조 제거를 통한 혈관의 시각화를 위하여 CECT 영상으로부터 CT 영상을 합성하는 딥 러닝 기술을 개발하였으며, 심혈관 조영 영상에서는 조영제 부작용을 완화하기 위해 CT 영상으로부터 CECT 영상을 합성하는 기술을 개발하였다. 본 연구의 개발 기술은 비매칭 데이터 간의 영상 스타일 변환에서 높은 성능을 나타내는 cycleGAN 및 적응적 인스턴스 정규화 기술을 적용하여 하나의 네트워크로 쌍방향 영상 생성이 가능한 모델이며, 이를 실제 CT 영상에 적용하여 성능 및 효과를 확인하였다.

​

- 목표 대비 달성율 :

 한 번의 CT 영상 촬영으로 조영제 제거 또는 합성 CT 영상을 생성함으로써, CT 촬영/조영제 투여 비용 및 시간 60% 이상 감소. 뇌혈관 CT 영상의 경우, 기존의 알고리즘에서 별도의 영상 정합 과정을 거치지 않으므로 알고리즘 처리 속도 50% 개선

​

- 기존대비 개선효과 :

 CT 조영 영상의 조영제 제거에 있어서 기존 기술은 조영제의 밝기 강도가 뼈의 밝기 강도와 유사하여 정확한 조영제 제거가 어렵지만, 본 개발 기술은 CT 영상의 히스토그램 평활화 정보를 통해 영상의 구조적 특성을 네트워크가 학습할 수 있도록 설계하여 효율적인 조영제 제거가 가능하다. 또한, 한 개의 생성 네트워크만으로 다양한 영상의 스타일을 전환하는 개발 기술을 통해 기존 연구에 비해 학습에 필요한 계산량을 감소시킬 뿐만 아니라, 생성된 영상의 수준이 실제의 영상과 매우 유사하게 합성 가능하다.

 

- 과제 수행을 통한 실적 : 없음

​

- 향후 연구 진행계획 :

 개발된 딥 러닝 기술은 CT 영상 합성에 있어서 효율적인 성능을 보여주지만, 정확한 조영제 주입전후 CT 영상 합성을 위해 조영제가 주입되는 세밀한 영역을 탐지할 수 있는 기술 개발 및 알고리즘 고도화 연구가 필요하다.

 

- 창의 자율과제 수행 소감 :

 창의 자율과제를 수행하면서, 기존 기술보다 향상된 결과를 얻기 위하여 팀원들과 함께 의논하면서 선행 연구 조사 및 다양한 딥 러닝 기술을 적용해 볼 수 있었고, 연구목표에 적합한 방법을 모색하는 과정을 배울 수 있었다.

​

​

​

2. 딥러닝 기반의 손동작을 이용한 비접촉 터치 방식의 엘리베이터 버튼 제어,

 서울대

- 과제리더 : 이태호

- 참여연구원 : 이염미, 위두랑가, 이상헌

​

- 과제 수행 기간 : 2021.01.01.~2021.12.31

 

- 과제 요약 :　

 본 연구에서는 딥러닝 기반의 손동작을 이용한 비접촉 터치 방식의 엘리베이터 버튼 제어 시스템 구현을 목적으로 한다. 비전 인식을 위해 Jetson TX2 보드에 연결된 카메라를 사용하며 이를 딥러닝을 이용하여 정의된 버튼 터치 손동작을 인식을 하여 다양한 기능을 제어 한다.　또한 Jetston TX2 보드에 모형의 엘리베이터를 연결하여 손인식을 통한 엘리베이터 버튼 제어 시스템을 검증하였다.

 

- 목표 대비 달성율 ： 100%

 

- 기존대비 개선효과 ：

 기존의 비전 방식의 손동작을 이용한 엘리베이터 제어 방식의 연구는 원하는 층을 입력시 수화 숫자 동작을 이용한 제어 방식이며, 이러한 방식은 수화 동작을 암기하고 있어야 하기 때문에 사용자 마다 연습하는 과정이 많이 필요하다는 단점이 있다. 또한 확실한 인식을 위해 2초 정도 유지하는 방식으로 손동작 인식을 통한 엘리베이터 제어를 한다. 본 연구에서는 카메라 입력을 통한 손의 위치를 디스플레이 화면의 가상의 버튼 위치에 올려두고 클릭과 준비 두가지의 동작을 이용하여 해당　층을 클릭할 수 있기 때문에 별도의 연습이 필요하지 않다는 장점이 있다. 본 연구에서는 가상의 엘리베이터 버튼 위에 손가락을 올린후 클릭 동작을 하여 입력하는 시간이 1초 미만의 처리시간을 가지고 있기 때문에 기존대비 처리속도 50% 개선을 가지고 있으며, 고액의 서버가 아닌 Jetson TX2 보드에서 동작이 가능하기 때문에 서버 대비 75%의 비용 절감이 가능하다.

 

- 과제 수행을 통한 실적：

ICEIC 2022 논문 제출

 

- 향후 연구 진행계획 :

 딥러닝 기반의 손동작 인식을 통해 스마트 TV 제어 시스템, 마우스 제어, 손동작 인식 3D 게임 제어 시스템 등에 적용하여 다양한 응용 시스템에 적용할 예정이다.

 

- 창의 자율과제 수행 소감 :　

 이론적으로 연구했던 인공지능 기술을 창의 자율과제 수행을 통해 GPU 보드와 엘리베이터 시스템에 적용 시키면서 실제 기술에 응용을 하며 상용화도 가능하기 때문에 많은 경험이 되었다.

​

​

3. 의료/VR 응용을 위한 히트맵 기반 타원 오브젝트 검출/추적 시스템, 아주대

- 과제리더 : 신동원

- 참여연구원 : 김용균, 김광진

 

- 과제 수행 기간 : 2021.03.01. ~ 2021.12.31.

 

- 과제 요약 : 영상 내의 타원 오브젝트를 검출 및 추적하는 시스템 개발

 

- 목표 대비 달성율 : 100%

 

- 기존대비 개선효과 :

 정확도 40% 증가 / 처리 속도 58% 증가

 

- 과제 수행을 통한 실적:

 특허 1편, 기술이전 1건

 

- 향후 연구 진행계획 :
더 다양한 타원 오브젝트에 대해 검출 및 추적
여러 오브젝트에 대해 검출 및 추적

 

- 창의 자율과제 수행 소감 :
1. 산학협력 개발 경험을 통해 실제 필드에서 필요로 하는 능력을 키울 수 있었음
2. 과제를 수행하면서 받은 지원으로 다양한 실험 환경에서 실험을 진행할 수 있었음
3. 팀원들 사이의 의견 교류를 통해 성능 개선을 성공적으로 이루어낼 수 있었음
4. 팀 협동 과제를 통해 팀원들 간의 유대감을 기를 수 있었음

​

4. 딥러닝 기반 알츠하이머병 진단 스마트폰 어플리케이션, 아주대

- 과제리더 : 박준현

- 참여연구원 : 김도영, 임영준

 

- 과제 수행 기간 : 2021.03.01.~2021.12.31.

 

- 과제 요약 :

 알고리즘 네트워크 개선 연구와 아울러 딥러닝 알고리즘 네트워크가 탑재된 스마트폰 어플리케이션(Application)을 개발하여 개인이 저렴한 비용으로 직접 알츠하이머 진단을 할 수 있는 솔루션을 제공하고자 한다. 현재 주요 선진국들을 포함하여 각국의 다양한 알츠하이머 치료 및 조기 진단에 관한 연구가 활성화되어 있으나, 대부분 뇌 MRI 영상 이미지 데이터셋(dataset)을 이용한 조기 진단 연구에 집중하고 있어 상대적으로 단기간에 실용적인 조기 진단 어플을 개발하는 데에 있어 본 연구 과제가 적합하다.

 

- 목표 대비 달성율 :

 AUC 0.92으로, 기존 진단율 목표 85%를 초과달성

 

- 기존대비 개선효과  :

 기존에 MRI 위주로 진단이 가능했던 알츠하이머병을 안저 영상으로도 효율적인 진단을 할 수 있는 방안을 제시하였다. 의학을 접목한 딥러닝 알고리즘을 통해 후속 연구의 원천연구로 사용이 가능하다.

 

- 과제 수행을 통한 실적:

과학기술정보통신부 주최 정보통신기획평가원 주관 ICT 챌린지 콜로키움 NHN 대표이사상 수상, 특허 출원 완료

 

- 향후 연구 진행계획:

 알츠하이머병에 국한되지 않고, 망막을 통해 확인할 수 있는 타 질병 관련 연구로 확장 가능, 망막을 이용한 대상 증후군(metabolic disorder), 당뇨병(diabetes) 관련 연구 사례도 존재하여, 망막 기반 여러 질병 관련 연구에서도 딥러닝 알고리즘을 확대한 후속 연구로 발전이 가능하다.

 

- 창의 자율과제 수행 소감:

우리의 연구를 바탕으로 알츠하이머를 비롯한 파킨슨, 루게릭 병 등 조기에 발견해야하는 신경퇴행성 질환들에 대해 조기에 진단하는 연구들이 빠르게 발전하길 바란다.

​

5. 스마트폰을 이용한 자기공명영상에서의 환자 움직임 감지 및 아티팩트 보정, 연세대

- 과제리더 : 김동현

- 참여연구원 : 이슬, 최상혁, 박무열

 

- 과제 수행 기간 : 2021년 4월 ~ 2021년 12월

 

- 과제 요약:

□ 자기공명영상은 인체에 무해한 자기장을 사용하여 지난 30년간 다양한 질병 진단에 필수적 역할 수행. 하지만, 다른 의료 영상에 비해 촬영 시간이 길다는 단점이 있어 저/고령의 환자나 신경계 퇴행성 질환을 앓는 환자들의 경우 장시간 촬영에 불편함을 느껴 움직일 수 있음. 이는 아티팩트로 복원된 영상에 발생하여 진단에 어려움을 초래함.

□ 기존의 환자의 움직임으로 인한 아티팩트를 보정하기 위해선 추가적인 장치나 펄스를 이용하거나, 움직임 파라미터를 추정하여 개선시키는 연구가 진행되었음. 이는 환자에게 불편함을 느끼게 하거나 환자의 복잡한 움직임에 파라미터를 최적화시키는데 어려움이 발생함.

□ 따라서, k-space 자체와 스마트폰을 이용하여 환자의 움직임을 감지하고, 이를 제거하여 아티팩트를 보정하는 연구를 진행함.

 

- 목표 대비 달성율:

□ 스마트폰을 이용하여 환자의 움직임을 감지하고 제거하는 것은 달성하였으나 아티팩트를 보정에 대한 연구가 더 필요함. (80%)

 

- 기존대비 개선효과:

□ 개선 효과를 대비할 기존의 관련된 연구가 부족함.

□ 아티팩트 보정까지 진행 후, 보정에 대한 성능 비교 예정.

 

- 과제 수행을 통한 실적:

□ Best trainee scientific awards (Poster Presentation 2nd), ICMRI 2021, “3D mGRE Motion Detection by K-space Anomaly Detection.”

□ 특허 진행 예정.

 

- 향후 연구 진행계획:

 본 연구를 통하여 움직임이 발생한 영역의 k-space를 제거하고, 병렬영상기법 혹은 딥러닝 기법을 이용하여 정상 데이터로부터 빈 공간의 k-space를 채워 아티팩트를 제거할 예정.

 

- 창의 자율과제 수행 소감:

□ 도전 과제를 자율적으로 제안하여 팀을 이루어 진행하다 보니, 주체적으로 연구를 진행할 수 있었고, 특히 더욱 자유로운 사고로 새로운 아이디어를 통해 해결방법을 찾을 수 있었음.

□ 또한, 한 달에 한 번씩 미팅을 진행하여 과제를 정리할 수 있는 시간을 가질 수 있어 계획에 맞게 차근차근 진행할 수 있었음.