살아있는 생체 조직 깊은 곳을 선명하게 관찰하기 위해서는 고성능 광학 장비와 정밀한 보정 기술이 필요하다는 한계가 있었다. 우리 학부 연구진은 물리 기반 AI 계산 알고리즘을 활용해, 추가적인 광학 측정 장비 없이도 흐릿한 이미지를 보다 선명하게 복원하는 기술을 개발하며, 생체 이미징 연구에서 계산 기반 접근의 새로운 가능성을 제시했다.
우리 학부 강익성 교수가 UC 버클리 나지(Na Ji) 교수 연구팀과 공동연구를 통해, 신경장 모델(neural fields, 3차원 공간의 구조를 연속적으로 표현해 구조적 형태를 복원하는 신경망 기반 기술)을 활용해 생체 내부를 관찰하는 현미경의 이미지 왜곡을 정밀하게 보정하는 기술을 개발했다.
연구팀이 활용한 ‘이광자 형광 현미경(two-photon fluorescence microscopy, 두 개의 광자가 거의 동시에 흡수될 때 발생하는 신호를 이용해 생체 깊은 곳의 특정 지점을 관찰하는 기술)’은 살아있는 생체 조직 깊은 곳을 관찰할 수 있는 핵심 장비다. 그러나 빛이 두꺼운 조직을 통과하는 과정에서 조직의 굴절률 차이 등에 의해 왜곡되면서, 마치 물속에서 물체가 일그러져 보이듯 이미지가 흐릿해지는 문제가 있었다. 이를 광학 수차(optical aberration, 빛의 파면이 왜곡돼 초점이 흐려지는 현상)라고 한다.
기존에는 이러한 왜곡을 보정하기 위해 파면 센서(wavefront sensor, 빛의 파면이 얼마나 왜곡됐는지를 측정하는 장치)와 같은 복잡하고 값비싼 하드웨어 장비를 추가해야 하는 경우가 많았다.
연구팀은 이와 달리, 이미 촬영된 이미지 데이터만을 이용해 빛이 어떻게 왜곡됐는지를 역으로 계산하고 이를 바로잡는 알고리즘을 개발했다. 즉, 흐릿한 사진을 보고 원래 모습을 단순히 추정하는 수준을 넘어, 이미지가 형성되는 물리적 과정을 반영해 추가적인 파면 측정 장비 없이도 더 선명한 이미지를 복원하는 방식이다.
이번 기술의 핵심은 신경장 모델 기반의 기계학습 알고리즘이다. 이 알고리즘은 빛이 이동하며 발생하는 왜곡 과정을 모델링해, 생체 조직에 의한 광학 수차뿐 아니라 생체의 미세한 움직임, 현미경의 기계적 정렬 오차까지 동시에 보정하는 통합 기술을 구현한다.
그 결과, 별도의 광학 측정 및 보정 장비 없이도 생체 조직 깊은 곳에서 기존보다 선명하고 대비가 향상된 이미지를 안정적으로 획득할 수 있음을 보였다.
특히 이번 연구는 ‘더 좋은 이미지를 얻기 위해서는 더 복잡하고 값비싼 장비가 필요하다’는 기존 접근에서 나아가, 소프트웨어 기반 계산 알고리즘으로 문제를 해결했다는 점에서 의미가 크다. 이를 통해 향후 연구 장비와 실험 절차에 대한 부담을 낮추고, 보다 많은 연구자들이 정밀한 생체 관찰을 수행하는 데에 기여할 것으로 기대된다.
강익성 교수는 “이번 연구는 광학과 인공지능 기술을 결합해 생체 내부를 더 정확하게 볼 수 있는 가능성을 보여준 것”이라며 “향후 현미경이 스스로 최적의 이미지를 찾아내는 지능형 광학 이미징 시스템으로 발전시켜 나갈 계획”이라고 말했다.
이번 연구는 생명과학 분야 최고 권위의 방법론 학술지인 ‘네이처 메소드(Nature Methods)’에 4월 13일 게재되었다.
※ 논문명: Adaptive optical correction for in vivo two-photon fluorescence microscopy with neural fields,
※ 주저자: 강익성(KAIST, 공동교신저자 겸 제1저자), 나지 교수(UC Berkeley, 공동교신저자)