KAIST, 현미경 이미지 왜곡 보정 AI 개발… 추가 장비 없이 심부 조직 고해상도 구현

신경장 모델 기반 계산 보정… 광학 수차·움직임·장비 오차 통합 처리

생체 조직 깊은 곳을 관찰하기 위해서는 고가의 광학 장비가 필수라는 인식이 지배적이었다. 특히 두꺼운 조직을 통과하는 빛의 산란과 왜곡으로 인해 이미지 품질이 크게 저하되는 문제가 존재해 왔다. KAIST 전기및전자공학부 강익성 교수 연구팀은 UC 버클리 Na Ji 교수 연구팀과의 공동연구를 통해, 추가적인 광학 장비 없이도 현미경 이미지의 왜곡을 정밀하게 보정하는 인공지능 기반 기술을 개발했다. 이번 연구는 생명과학 이미징의 핵심 한계를 하드웨어가 아닌 소프트웨어로 해결했다는 점에서 의미가 있다.

이광자 형광 현미경은 생체 깊은 곳을 관찰할 수 있는 핵심 기술이지만, 빛이 조직을 통과하는 과정에서 휘어지고 흩어지며 이미지가 흐려지는 ‘광학 수차’ 문제가 발생한다. 기존에는 이를 보정하기 위해 파면 센서 등 고가의 추가 장비가 필요했다. 연구팀은 접근 방식을 바꿨다. 촬영된 이미지 데이터만을 이용해 빛의 왜곡 과정을 역으로 계산하고 보정하는 알고리즘을 개발했다. 이는 흐릿한 이미지를 기반으로 원래 구조를 복원하는 방식이다.

핵심 기술은 신경장(neural fields) 기반 모델이다. 이 모델은 3차원 공간 구조를 연속적으로 표현하면서, 광학 수차뿐 아니라 생체의 미세한 움직임과 현미경의 기계적 오차까지 동시에 추정하고 보정한다. 실험결과 단일 입력 이미지를 기반으로 샘플 구조, 수차, 움직임, 장비 오차를 통합적으로 추정해 보정하는 프레임워크가 제시된다. 이 기술을 통해 별도의 광학 측정 장비 없이도 생체 조직 깊은 곳에서 고해상도·고대비 이미지를 안정적으로 획득하는 데 성공했다. 이는 장비 성능 한계를 계산 기술로 보완한 사례다. 이번 기술은 연구 환경에도 영향을 미친다. 고가 장비 의존도를 낮춤으로써, 더 많은 연구자가 정밀한 뇌 이미징 연구를 수행할 수 있는 기반을 제공할 수 있다. 이번 연구는 생명과학 분야 학술지 Nature Methods에 게재됐다.

#KAIST #AI #이미징 #현미경 #뇌과학 #광학 #기술