관련자료보기  >

류 동 훈  Tomocube Inc. ((주) 토모큐브)

류 동 민  Tomocube Inc. ((주) 토모큐브)

민 현 석  Tomocube Inc. ((주) 토모큐브)

박 용 근  KAIST

저널명

IEEE Transactions on Medical Imaging

논문제목

DeepRegularizer: Rapid Resolution Enhancement of Tomographic Imaging Using Deep Learning

연구과제 수행 중 생긴 에피소드

토모큐브의 AI 팀은 AI 기술을 통해 단순히 새로운 것을 보여주는 현미경이 아니라 보여주는 것이 무엇인지 알려주고, 보고싶은 것이 보여주고, 또한 더 잘 보여주는 현미경을 만들고자 연구하고 있습니다. 이에 3차원 굴절률 영상을 통해 기존 의료 영상 시스템에서 인식하지 못한 질병을 진단하거나, 염색없이 촬영되는 세포 영상에서 원하는 세포와 소기관만을 구분하여 물질량을 제공하는 등의 연구와 더불어 높은 계산량과 제약 사항이 있는 복잡한 물리적 알고리즘들을 AI 기술로 효율화시키는 연구도 진행하고 있습니다. 이때 힘든 점은 물리적, 생물학적으로 만들어진 AI 기술이 올바른지 확인하기가 쉽지 않다는 점입니다. 다행히 토모큐브에서는 사내에 경험많은 생물학 박사님들로 이루어진 사이언스팀과 토모큐브 CTO이기도 하신  카이스트 물리과 박용근 교수님 팀과의 협업을 통하여 이러한 제약 사항을 극복하면서 연구를 진행할 수 있었습니다.

연구과제 수행 중 보람되었던 일

다른 분야에서 AI 기술의 발전을 받아들이는 속도에 비해 물리, 생물, 의학에서 AI 기술을 받아들이고 발전시키는 속도는 제한적입니다. 최근 발전되는 딥러닝 기술은 양질의 데이터의 증가가 그 성능의 발전을 이끌고 있습니다. 이렇기에 토모큐브의 3D 홀로그래피 현미경을 통해 생성되는 새로운 데이터는 새로운 AI 기술의 탄생과 발전을 이끌거라고 생각합니다. 이 연구를 통해 단순히 영상 데이터를 분석하는 연구뿐 아니라 영상 데이터를 생성을 위해 사용된 물리적 문제에도 AI 기술을 통해 발전할 수 있다는 예를 보여주었다고 생각합니다.

이 분야로 진학하려는 후배들을 위한 조언

많은 AI 연구자들이 새로운 AI 알고리즘의 개발에 집중하고 있습니다. 그러나 이 때 자원이 많은 구글이나 대기업에 비해 자원이 부족한 상황에서 좋은 아이디어가 있음에도 영향력 있는 연구로 마무리하기가 쉽지 않습니다. 연구의 영향력은 풀고자 하는 문제의 영향력고 적용한 AI 알고리즘의 영향력의 합이라고 생각합니다. 케글(Kaggle)이나 AI 학회 논문에서 많이 볼 수 있는 많은 연구자들이 쉽게 접근할 수 있는 문제가 아니라 여러 분야 연구자와의 협업을 통해 좀 더 큰 문제를 제대로 푸는 것이 좀 더 영향력 있는 연구를 진행하는 방법이라고 생각합니다. 이를 위해서는 기술보다는 여러 다양한 시도를 해 보는 것과 여러 분야의 연구자와의 커뮤니케이션 능력이 중요합니다.

연구활동 관련 계획

토모큐브의 3D 홀로그래피 현미경을 의료 환경에서 사용할 수 있게 하기 위한 다양한 연구를 공동연구진들과 진행하고 있습니다. 염색없이 세포와 조직의 3차원 영상을 볼 수 있다는 장점을 의료 환경에 접목시키기 위한 다양한 시도들을 함과 동시에 이 장점을 필요로 하는 새로운 의료적 문제들을 탐색하고 있습니다.