일반적으로 널리 사용되는 1D 배열의 프로브(Transducer)를 갖는 초음파(Ultrasound) 장비는 관심 영역(RoI; Region of Intereat)에 대한 2D 단면 영상을 얻을 수 있다. 이를 이용하면 비교적 저럼한 비용 및 높은 안전성으로 실시간 영상을 촬영할 수 있지만, 2D 단면 영상으로 내부 조직의 복잡다양한 구조를 이해하는 것은 진단의 난이도를 증폭시키는 요인으로 작용한다. 본 연구에서는 2D 초음파 영상으로부터 3D 초음파 볼륨을 복원하기 위하여, 2D 영상으로부터 초음파 스캔 모션(Relative Motion)을 추정하기 위한 딥러닝 모델을 제안한다. 이를 통해 초음파 스캔 궤적(Absolute Motion)을 복원하고, 각 위치에 맞게 2D 초음파 볼륨을 쌓아 3D 초음파 볼륨을 구성할 수 있다. 이러한 초음파 영상에서 모션을 추정하는 방법론은 도플러 초음파(Doppler US), 광초음파(PA; Photoacoustic) 영상 등에 응용할 수 있고, 이를 통하여 혈관에 대한 3차원적인 구조를 복원 및 시각화 할 수 있다.

본 프로젝트는 과학기술정보통신부에서 주관하고 부산대학교 실전문제연구단에서 추진하는 산업체 현장연계형 실전문제연구단 기술개발 지원사업으로 시작되었다. 부산지역 산업체인 메디칼이노베이션(주)에서 연구주제를 제안하여 학부 연구원들 중심으로 팀을 구성하여 연구를 수행 중이다. 의료 복부초음파에서 장기를 자동으로 분할하고 크기를 측정하여 질병의 판단에 도움을 주는 딥러닝 기반 알고리즘을 개발하고 있다. 본 기술개발 결과를 기반으로 세계 최초로 초음파 영상에 대한 AI판독 솔루션 개발을 진행하여 AI 기반 의료영상 진단보조장치로 확장하는 목표로 하고 있다.

본 연구는 초음파 신호로부터 조직의 음속(Speed of Sound; SoS) 분포를 정밀하게 예측하기 위한 딥러닝 기반 프레임워크를 제안한다. RF 데이터와 DAS 이미지(B-mode)를 각각 독립적으로 인코딩한 후, 두 정보를 효과적으로 융합하여 고해상도의 SoS 맵을 복원한다. 제안된 프레임워크는 K-wave 시뮬레이터로 생성된 다양한 조직 조건의 데이터를 기반으로 학습되었으며, 기존 단일 입력 기반 모델 대비 향산된 정량적 성능 지표(MAE, PSNR, Correlation)를 기록했다. 이는 향후 초음파 영상의 정밀 진단 및 병변 감별 정확도를 크게 향상시킬 수 있는 기반 기술로 기대된다.

광음향 기법은 초음파 영상기법의 공간 해상도를 유지하면서 광학영상 기법의 대조도를 깊은 범위까지 제공한다. 기존 초음파 시스템에 레이저 장비를 부착한 실시간 광초음파 영상 기법은 임상 활용에 가까워지고 있다. 하지만 아직 데이터획득 및 영상기법의 기술적 한계로 혈관 구조 및 혈관 내 산소 포화도에 대한 고품질 영상을 얻을 수 없다. 현재 딥러닝 기법은 데이터 중심의 모델 기법으로 의료 데이터 분석 및 질병 진단에서 매우 효과적이며, 광초음파 영상에서 많은 기술적 한계를 극복할 수 있는 잠재력이 있다. 본 연구에서는 더 높은 품질의 영상과 보다 정확한 산소 포화도 측정을 위해 광초음파 시스템과 딥러닝 기반의 영상 복원 모델을 개발하는 것을 목표로 한다. 이 연구는 과학기술정보통신부 한국과학재단의 지원 아래 수행하고 있다.

초음파 도플러 영상은 혈관 구조를 보여주거나 혈류 속도, 혈류 양 등을 정량화 하는 데 이용된다. 초음파 탐촉자로부터 일정 시간 간격으로 발생된 펄스가 송신하고, 반사되어 돌아온 신호의 분석 및 필터링 과정을 거쳐 혈류를 탐지할 수 있다. 기존에는 혈류 신호와 그 외 조직의 신호를 구분하는 필터링 기법으로 특이값분해(SVD)가 널리 사용되고 있다. 하지만 단시간 내에 획득된 데이터는 특이공간에서 두 신호가 중복되는 문제가 있다. 본 연구에서는 SVD 필터링 기법을 대체할 수 있는 딥러닝 프레임워크를 확립하여 적은 데이터로 향상된 영상의 복원을 목표로 한다. 이 연구는 과학기술정보통신부 한국과학재단의 지원 아래 수행하고 있다.

평면파를 이용한 의료 초음파 영상 기법은 한번에 원하는 2D 영역을 스캔할 수 있어서 고속 프레임 영상이 가능하다. 대조도 및 공간해상도의 단점을 보완하기 위해서 다양한 각도로 평면파를 송수신하여 데이터들을 얻고, 이를 병합하는 기술을 이용한다. 현재 딥러닝 기술은 영상의 화질을 개선하거나 미가공 데이터로부터 영상을 빠르게 복원하는데 많이 활용되고 있다. 본 연구에서는 더 적은 초음파 데이터 양으로 더 높은 화질의 영상으로 복원할 수 있는 딥러닝 기법을 개발한다. 기존의 영상에서 영상의 복원이 아닌, 미가공데이터에서 곧바로 영상을 복원할 수 있는 end-to-end 모델을 구축하고 있다. 이 연구는 과학기술정보통신부 한국과학재단의 지원 아래 수행하고 있다.

의료 초음파 3차원영상은 특수 탐촉자를 이용하여 가능하지만 스캔범위가 작은 한계점이 있다. 대체 방법으로 일반 탐촉자를 움직이면서 얻어진 2차원 단면 영상들을 이용하여 3차원 영상을 만드는 파노라마 기법이 있다. 하지만 단순히 단면 영상들을 축적하게 되면 탐촉자의 움직임 방향으로 공간해상도가 매우 낮게 된다. 그 이유는 탐촉자의 두께만큼 빔이 형성되고, 따라서 얻어지는 영상은 빔이 지나간 영역의 투사(projection) 결과이다. 따라서 본 연구에서는 최신 딥러닝 기법인 NeRF를 활용하여 투사영상들로 부터 고해상도의 3차원 파노라마 영상으로 복원을 목표로 하고 있다.