초록 ▼

□ 연구 목표 및 내용
○ 최종 목표
본 연구는 ‘엔드 유저를 위한 인공지능 기반의 자기 공명 영상 소프트웨어 통합 패키지 개발 및 제공’을 목표로 한다.
(1) MRI 데이터 처리 (Data processing)
· 고속 MRI 및 고해상 MRI 데이터 재구성 (reconstruction) 기술
· MRI 영상 내의 잡음/아티팩트 저감 및 bias field 보정 (correction) 기술
(2) MRI 데이터 생성 (Data generation)
· 학습 데이터로 사용할 수 있는 가상의 환

□ 연구 목표 및 내용
○ 최종 목표
본 연구는 ‘엔드 유저를 위한 인공지능 기반의 자기 공명 영상 소프트웨어 통합 패키지 개발 및 제공’을 목표로 한다.
(1) MRI 데이터 처리 (Data processing)
· 고속 MRI 및 고해상 MRI 데이터 재구성 (reconstruction) 기술
· MRI 영상 내의 잡음/아티팩트 저감 및 bias field 보정 (correction) 기술
(2) MRI 데이터 생성 (Data generation)
· 학습 데이터로 사용할 수 있는 가상의 환자 혹은 비정상(abnormal) MRI 데이터 생성 기술
· 생성한 가상 MRI 데이터를 오픈 데이터셋으로 온라인 상에 제공
(3) MRI 데이터 분석 (Data analysis)
· 영상 내 조직 분할 (semantic tissue segmentation) 모델 및 기술 개발
· 질병 자동 분류 (classification) 및 판독 (diagnosis) 모델 및 기술 개발
· 환자 분류 (triaging) 및 응급 질환 분류 (referral suggestion) 기술 개발
· 진단의 근거를 설명가능한 모델(explainable model) 개발

○ 전체 내용
의료 영상, 그 중에서도 자기 공명 영상의 처리(processing) / 생성(generation) / 분석(analysis)에 걸친 다방면의 원천 인공지능 기술들을 개발. 또한, 타 이미징 모달리티 (내시경 등) 와 융합할 수 있는 기술을 개발. 이를 통합한 패키지를 온라인에 제공하여 관련 연구자 혹은 병원에서 누구나 간단하게 데이터를 올려 전체 프로세스의 결과물을 얻을 수 있도록 함. 이를 통해 병원으로부터 쉽게 접근하지 못하는 다수의 MRI 데이터와 더불어 피드백을 받고, 이를 기반으로 빠른 기술 고도화 및 독창적 인공지능 모델 개발을 목표로 함

○ 1단계
● 연구 목표
인공지능 MRI 요소 기술 개발
1) MRI 데이터 처리 (Data processing) 기술 개발
2) MRI 데이터 생성 (Data generation) 기술
3) 인공지능 MRI 기술의 패키지화

● 연구 내용
· 고속 MRI 및 고해상 MRI 데이터 재구성 (reconstruction) 기술 개발
· MRI 영상 내의 잡음/아티팩트 저감 및 bias field 보정 (correction) 기술 개발
· 학습 데이터로 사용할 수 있는 가상의 환자/비정상(abnormal) MRI 데이터 생성 기술 개발
· 생성한 가상 MRI 데이터를 오픈 데이터셋으로 온라인 상에 제공
· 기술 개발 파이프라인을 하나의 소프트웨어로 통합. 오픈소스로 접근 가능하도록 웹(github)에 공개한다. 기술 개발 혹은 최신 모델 등장 시 주기적으로 업데이트함

○ 2단계
● 연구 목표
인공지능 MRI 요소 기술 개발 및 통합
1) 최신 영상 복원 및 생성 기술을 이용한 MRI 고속화 및 분석 기술 개발
2) 초거대 AI 모델 기반의 ‘설명 가능한’ MRI 진단 보조 기술 개발
3) AI 기반의 의학 지식 DB 구축 기술 개발

● 연구 내용
· Diffusion Model 과 NeRF 모델을 이용한 고속 MRI 기술을 개발. Diffusion Model의 각 스텝 내에 data consistency layer를 도입하여 각 MRI 데이터에 적응적으로 화질을 개선시킬 수 있도록 함
· NeRF 모델의 경우 MRI의 raw 데이터인 k-space를 최종 output으로 하며, 원하는 MRI 이미지를 입력 좌표-이미지 값 관계로 매칭하여, 입력 좌표를 통해 MRI 이미지를 구하는 MLP 네트워크를 도입하고, 이후 k-space로 변환하는 layer를 추가하여 MLP를 학습시킴. 이를 통해 Unsupervised learning 기반의 효율적인 MRI 재구성이 가능해짐
· GPT 및 타 언어-영상 모델 기반으로 MRI 전문 의학 데이터 (교과서, 웹, 자체 보유하고 있는 영상+판독문 데이터)를 토대로 모델 fine tuning 또는 in-context learning 등의 모델 학습을 진행
· 판독의 근거를 언어 및 유사 자료로 제시할 수 있는 decoding 모듈 개발. 이를 위해 GPT-4-vison 등 모델을 토대로 prompt engineering 및 사전 encoder 네트워크 (MRI 전문 분야에 대해 언어-영상 간 embedding vector 유사도를 높일 수 있는 기술)를 CLIP 등의 기술을 응용하여 개발
· 의학 DB 검색/Retrieval 최적화를 위한 데이터 전처리 연구 진행. 검색 최적화를 위한 언어 모델 기반의 summary, taggin, indexing 기술 개발

□ 연구성과
· 국제 최대 MRI 학회인 ISMRM에 2건의 학회 초록을 제출하였음 (2021년 11월). 초록 accept 시 1년차 정량 목표 (해외 학회 2건 이상)를 달성
· 국제 최대 의료 영상 처리 학회 MICCAI 주관 MRI 영상 변환을 위한 CrossMoDA 챌린지에서 1위 수상
· 한국 지능정보사회 진흥원 (NIA) 주관 병변 검출 챌린지에서 총 250팀 중 1위 수상. 500만 원의 상금을 받음
· 기술 사업화를 위한 정부 창업 지원 사업에 선정됨 (예비창업패키지 2021). 4,900만 원의 창업화 자금을 지원받음
· 이외 해외 학회 공저 2건 (CVPR 2회), 공저 논문 1건 (MIA), 특허 출원 1건
· 국제 최대 MRI 학회인 ISMRM 2022에 2건의 학회 논문 게재 (2022년 5월). 이 중 한 건은 oral 발표로 전체 학회 논문 중 상위 약 10%이내의 연구 성과. 1년차 정량 목표 (해외 학회 2건 이상)를 달성
· 2022년도에는 주저자 SCI 논문 1건 (Diagnostics), 주저자 해외학회 2건(ISMRM, MICCAI), 특허 출원/등록 1건으로 2년차 정량 목표 달성
· 이외 공저자 해외학회 3건 (ISMRM, MICCAI, SPIE)
· 국제 최대 인공지능 학회인 CVPR에 학회 초록 1건 제출
· 본 과제에서 확보한 기술과 성과를 기반으로 ㈜프로브메디컬 법인 회사를 설립 (2022.08). 이후, (주)프로브메디컬은 연세대학교 캠퍼스타운 사업에 선정됨. 220팀 중 상위 55팀 내에 입상하여, 지원금 1,500만원 및 사무실 무상 임대의 성과를 얻음. 이후 진행한 액셀러레이팅 프로그램에 추가 선정(상위 5팀)되어, 3,000만원의 지원금을 추가로 지원받음. MRI segmentation 기술 공급 계약 등 총 2,150만 원의 매출 발생. AI 양재 허브에서 AI 양재 멤버십 기업에 등록됨
· 2023년도에는 세계 최고 인공지능 학회인 CVPR에 게재 1건, Q1 SCI 저널 European Radiology (Impact factor = 5.9, 상위 11.5%)에 게재되었음. 또한 현재 세계 최고 수준 저널인 IEEE TMI (Impact factor = 10.6, 상위 2.6%)에 Diffusion Model 기반의 MRI고속화 기술에 관한 논문을 교신저자로서 submit하였고 Under review 중. 또한 국제 최대 MRI 학회인 ISMRM 2024에 1건의 학회 논문을 submit하였고 Under review 중
· 또한 기반 기술로 창업한 ㈜프로브메디컬에서는 총 5건의 과제(예비창업패키지 0.49억 원, 캠퍼스타운 지원사업 0.25억 원, 캠퍼스타운 액셀러레이팅 사업 0.3억 원, 디딤돌 창업성장기술개발사업 1.2억 원, 캠퍼스타운 기술매칭 지원사업 0.9억 원)를 수주하여 기술 개발에 박차를 가하고 있음

□ 연구성과의 활용 계획 및 기대효과
[연구성과의 수요처] 1, 2차 병원을 포함한 국내외 병원, 전문의. MRI 등의 의료기기 제조사
[파급 효과] MRI 및 타 멀티모달 데이터의 판독 전 과정에 두루두루 사용될 수 있는 소프트웨어가 될 것이며, 의사의 진료 시간을 크게 단축시키고 오진율을 줄일 수 있을 것임
[활용 분야 및 활용 방안] 본 ‘세종과학펠로우십’ 과제에서 개발한 기술들은 MRI를 중심으로 하여, 다양한 의료 영상 처리 및 분석 기술들임. 이러한 기술들은 엔드 유저인 병원 내 의사 및 제조사에게 공급될 수 있음
[기술 사업화] 법인 설립 (2022년 8월). MRI 고속화 및 MRI와 타 이미지 모달리티의 융합 기술, 진단 결과를 설명 가능한 AI 기술 등을 융합하여 기술 고도화 및 제품화를 진행하고 있음
[기술 이전 또는 공급 계약] 본 연구 책임자는 이미 ‘세종과학펠로우십’과제를 통해 MRI 영상 내 segmentation 기술을 ㈜닥터웍스에 공급. 또한 세계 3위 캡슐내시경 제조사인 ㈜인트로메딕에 MRI와 내시경 데이터의 융합을 위한 근간 기술인 ‘장기 구분 기술’을 공급하였음. 총 2,150만원의 기술 이전 성과가 발생. 향후에도 ㈜인트로메딕 등 다양한 기업에 필요한 기술을 공급하고 계약할 수 있을 것임. 특히 본 과제의 결과물을 통해 self-supervised 기술을 이용한 대용량 데이터 처리 및 분석 AI 모델 등 다양한 기술 수요에 대응할 수 있음

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 5
• 1. 연구과제의 개요 ... 6
• 1) 연구의 목적 ... 6
• 2) 연구과제의 필요성 ... 6
• 3) 연구과제의 범위 ... 7
• 2. 연구과제의 수행 과정 및 수행 내용 ... 8
• 1) 주요 연구 변경사항 ... 8
• 2) 연구과제의 수행 과정 및 수행 내용 ... 8
• 3. 연구과제의 수행 결과 및 목표 달성 정도 ... 12
• 1) 연구수행 결과 ... 12
• 2) 목표 달성 수준 ... 13
• 3) 목표 미달 시 원인 분석 ... 13
• 4) 중요 연구변경 사항 ... 14
• 4. 연구성과의 관련 분야에 대한 기여 정도 ... 14
• 5. 연구성과의 관리 및 활용 계획 ... 14
• 6. 다음 단계 연구계획 ... 16
• 1) 연구 목표 및 내용 ... 16
• 2) 연구 추진전략 ... 17
• 3) 연구 추진일정 및 기대성과 ... 18
• 4) 다음 단계 연구비 사용계획 ... 18
• 5) 연구 성과의 활용방안 및 기대효과 ... 19
• 끝페이지 ... 44