리서치 하이라이트
머신 러닝을 이용한 의학 영상의 재구성
Nature 555, 7697
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.
2018년3월22일 자의 네이처 하이라이트
대뇌 피질의 억제성 연합 뉴런의 발달 및 다양화에 대한 트랜스크립톰 분석
DNA 메틸화를 기반으로 한 중추신경계 종양의 분류 및 진단
치명적인 돌연변이를 가진 생쥐의 배아에서 매우 빈번히 발생하는 태반 발달 이상
핵 세공 복합체에 대한 결합 구조 및 기능적인 분석
거대 컴팩트 은하계 NGC1277 주변에 있는 적색 구상 성단의 단일 집단
약 7만 4천년 전 초거대 화산 토바의 폭발 당시 남 아프리카 지역에 서식했던 인류
표지 기사: 상온에서 구동되는 다이아몬드 메이저를 이용한 연속 파장 형성
단일 세포 RNA 염기서열 분석을 통해 밝혀진 인간 전전두엽의 발달 랜드스케이프
머신 러닝을 이용한 의학 영상의 재구성