관련자료보기  >

김 병 준  연세대학교 글로벌융합공학부

한 민 아  연세대학교 글로벌융합공학부

심 현 정  연세대학교 글로벌융합공학부

백 종 덕  연세대학교 글로벌융합공학부

저널명

Medical Physics

논문제목

A performance comparison of convolutional neural network‐based image denoising methods: The effect of loss functions on low‐dose CT images

연구과제 수행 중 생긴 에피소드

가장 기억에 남는 기억은 검토위원분들에게 받은 코멘트들을 처음 받아 읽어보았을 때였습니다. 하나하나가 새로운 연구 주제였고, 이번에 이 모든 걸 담아내는 것이 가능할까 걱정스러울 정도의 분량이었습니다. 그러나 포기하지 않고 오히려 온 힘을 모아 다음 두 달간 연구에 전념할 수 있었던 것은 그 주제들이 모두 가치 있고 바람직한 방향이라 생각했던 것들이기 때문이었습니다. 한 가지 예를 들면 일반적인 합성곱 신경망 뿐만 아니라 생산적 적대 신경망(generative adversarial network; GAN)의 성능도 비교해보라는 의견이 있었습니다. 사실 오래 전부터 생산적 적대 신경망 을 구현하리라 마음에 먹으면서도 계속 미루어왔었는데, 결국 올 것이 왔구나 하는 생각으로 밤낮을 매달려 코드를 작성하였던 것은 고통스러우면서도 보람찬 기억이었습니다. 그 당시 시간을 가리지 않고 어느 때든 활발히 의견을 나누어주셨던 교수님과 박사님께 감사한 마음입니다.

연구과제 수행 중 보람되었던 일

처음 제출한 논문에는 부족함이 많았는데, 검토위원분들의 적극적이고 건설적인 의견들 덕분에 많은 부분이 채워질 수 있었습니다. 그 과정에서 위에 언급한 생산적 적대 신경망 뿐만 아니라 잡음력 스펙트럼과 변조전달 함수를 측정하는 방법 등을 새로 구현해보면서 개인적으로 더 많은 지식을 쌓는 계기가 되었고, 다양한 실험을 진행하면서 손실함수의 중요성과 딥러닝의 비선형성을 몸소 느낄 수 있어 좋았습니다. 그리고 무엇보다, 다양한 딥러닝 기술이 나온 상황에서 조금이나마 가이드라인을 제시해줄 수 있는 이번 논문 출판을 통하여 여러 연구자들에 도움을 드릴 수 있게 되었다는 것이 가장 보람되는 일입니다.

이 분야로 진학하려는 후배들을 위한 조언

최근 의료영상 분야는 매우 빠른 속도로 연구가 진행되고 있고, 그 중심에는 딥러닝 기술이 있습니다. 딥러닝 기술은 많은 시행착오를 요구하며, 관련 기술이 빠르게 성장하고 있기 때문에, 기본적인 코딩 실력을 갖추고 최신 트렌드를 지속적으로 잘 파악하는 것이 중요합니다. 그리고 의외로 전 세계 우수한 연구자들의 아이디어는 모두 비슷하기 때문에, 자신이 이 분야에 기여를 하고 싶다면 좋은 아이디어를 떠올리는 것에 머무르는 것이 아니라 그 아이디어를 빠르게 구현해내는 것까지 필요할 것입니다.

연구활동 관련 계획

본 연구는 저선량 CT영상 복원 기술과 관련한 연구의 시작점입니다. 앞으로 의료영상의 화질을 평가하는 방법에 대하여 더욱 깊이 있게 연구하고, 그 이후 의료영상에 최적화된 손실함수 설계에 위 화질평가 메커니즘을 접목하는 연구를 진행할 계획입니다.