[헤럴드경제=구본혁 기자] 국내 연구진이 영상의료 진단장비에 머신러닝 기술을 접목시켜 질병 진단속도아 정확도를 끌어올리는 기술을 개발했다.

한국기계연구원 신뢰성평가연구실 박종원 실장 연구팀은 초음파 영상 진단 장비에 기계류 부품과 장비의 신뢰성 진단을 위해 활용해 온 빅데이터 딥러닝 기술을 적용, ‘머신러닝을 활용한 영상 진단 기술’을 개발하고, GPU(그래픽처리장치)를 이용해 정확도 80% 수준의 진단에 성공했다고 9일 밝혔다.

연구팀은 기계 부품과 설비 신뢰성 검사를 위한 머신러닝 기법을 발전시키기 위해 풍부한 영상 데이터를 보유하고 있는 의료분야 연구진과 협력을 모색해왔다. 최근 의학 분야에서도 심장 및 뇌질환 관련 질병을 조기에 진단하기 위해 초음파 영상과 컴퓨터 단층촬영, 자기공명영상 등과 같은 진단영상 기반 머신러닝 기술을 활발하게 적용하고 있다.

연구팀은 의료 영상 진단 기술 발전에 관심을 갖고 있는 대전성모병원 심장내과 연구진과 함께 뇌경색 환자의 대동맥 동맥경화 진단을 위한 영상 분석에 착수했다. 머신러닝을 의료분야에 활용하기 위한 시도는 다양하게 있었지만, 대동맥 플라크 상태에 따라 분류하고, 플라크의 두께 측정에 적용할 수 있는 딥러닝 모델 개발은 새로운 시도다.

연구팀은 머신러닝의 다양한 기법 중 오토엔코더와 유넷모델을 대동맥벽의 초음파 영상 판별에 적용했다. 대동맥벽을 초음파 영상으로 판별하면 뇌졸중의 원인으로 떠오르고 있는 대동맥 동맥경화성 플라크의 상태를 확인할 수 있다.

연구팀은 머신러닝의 한 종류인 오토엔코더 모델을 적용해 뇌경색 환자의 대동맥 동맥경화 초음파 영상 분석을 위한 플라크 상태 분류를 실시했다. 연구팀은 대동맥 내 플라크 상태를 분류하기 위해 오토엔코더 모델을 2단계로 적용했다. 1단계는 원본을 바탕으로 출력된 이미지를 원본과 유사하게 만들기 위해 다양한 레이어로 학습이 이뤄지는 과정을 나타낸다. 2단계는 1단계의 학습을 거친 데이터를 함수를 통해 정상과 복합성 상태로 분류하는 과정이다. 연구팀은 이렇게 얻은 데이터와 의료진의 판단 값을 비교한 결과 80% 일치하는 결과를 얻었다.[한국기계연구원 제공]

박종원 실장은 “지금까지는 기계류 부품과 장비의 고장, 수명을 판단하기 위해서 사용자가 복잡한 데이터 해석 능력을 갖춰야 했지만 이제는 다양한 오픈 소스를 활용해 쉽게 접근할 수 있게 됐다”며 “머신러닝을 활용한 영상진단 기술은 향후 다양한 질병의 판독과 부품, 장비의 수명 예측 모델을 개발하는 등 다양한 분야에 활용될 수 있을 것으로 기대된다”고 말했다.

연구팀은 대동맥 플라크의 분석의 정확도를 향상시키기 위해 딥러닝 모델을 개선할 계획이다. 또한 의학 분야 뿐만 아니라, 향후 미래형 수송기기 부품 제조 가상공학 플랫폼 구축 및 소재부품융합얼라이언스(기계자동차분야) 사업에서 부품에 대한 고장현상에 대한 이미지 데이터를 이용하여 고장 진단 등에 활용할 수 있는 기술로 확대할 계획이다.

nbgkoo@heraldcorp.com