리서치 하이라이트

머신 러닝을 이용한 의학 영상의 재구성

Nature 555, 7697

게시:

의학 또는 천문학에서 데이터로부터 이미지를 재구성하는 것은 매우 중요한 단계이다. 데이터 센서는 관찰된 물체에 대한 중간 정도의 해상도를 인코딩하고 있으며, 그 이후에 수학적인 계산을 통해서 인코딩 함수들을 변환시키는 과정을 통해서 이미지를 생성하고 있다. 이러한 변환은 센서의 결함과 노이즈에 의해서 문제가 발생하며, 추가적인 기술적인 단계를 거쳐 이를 수정하게 된다. Matthew Rosen과 공동연구원들은 ‘AUTOMAP(automated transform by manifold approximation)’으로 불리는 통합된 프레임워크를 제시하였다. AUTOMAP은 학습을 통해서 이미지를 재구성하는데, 적절할 학습 데이터를 이용하여 센서 데이터와 출력된 이미지를 연결시키게 된다. 저자들은 AUTOMAP을 딥 뉴럴 네트워크와 연결시켜서 다양한 MRI 영상을 재구성하는데 있어서 어떻게 학습 유연성이 일어나는지를 분석하였다. AUTOMAP은 노이즈를 제거하고 이미지의 정확성을 향상시켰으며, 이를 통해서 노이즈가 많고, 샘플링이 덜된 이미지에서도 재구성을 할 수 있었다. 저자들은 이를 다른 이미지 촬영 기술에도 접목시켜 볼 수 있을 것이라고 제시하였다.

Letter p.487
doi | 10.1038/nature25988 | 전문   | PDF

2018년3월22일 자의 네이처 하이라이트