표준연, AI 기반 SEM 3차원 영상 분할 알고리즘 개발

이미지 10%만 분석해 나머지 자동 재구성

시간·비용 8분의 1로 줄여 연구 효율성↑

KRISS가 개발한 인공지능(AI) 기반 영상 분할 알고리즘 모식도. ⓒ한국표준과학연구원

한국표준과학연구원(KRISS)은 주사전자현미경(SEM)으로 촬영한 생물학 시료의 2차원 단면 이미지를 3차원 구조로 빠르게 형상화할 수 있는 인공지능(AI) 기반 영상 분할 알고리즘을 개발했다고 29일 밝혔다.

이번 기술은 전체 이미지 데이터의 약 10%만 사람이 분석하면 나머지는 AI가 자동으로 구조를 예측해 3차원으로 재구성하는 방식이다. 기존처럼 모든 단면 이미지를 일일이 분석하던 방식에 비해 3차원 구조 관측에 필요한 시간과 비용을 절반 이상 절감할 수 있어 연구 효율성을 크게 높일 것으로 기대된다.

SEM은 분석 대상의 단층을 수십 나노미터 간격으로 연속 촬영한 뒤 확보한 단면 이미지를 결합해 3차원 입체 구조로 재구성하는 장비다. 세포 내부 구조를 고해상도로 정밀하게 관측할 수 있어 생명과학 연구와 의료 진단 분야에 널리 활용된다.

SEM 영상을 3차원 구조로 재구성하기 위해서는 영상 분할(Image Segmentation) 과정이 필요하다. 각 단면 이미지에서 세포핵, 미토콘드리아 등 분석 대상을 정확히 구분해 불필요한 정보를 제거하고 선명하게 드러내는 작업이다. 그러나 기존 방식은 수백~수천 장의 이미지를 전문가가 직접 확인하고 표시하는 지도학습 방식으로, 막대한 시간과 인력이 소요되고 결과의 일관성 확보에도 한계가 있었다.

KRISS 미래선도연구장비그룹은 이를 개선하기 위해 일정 간격으로 사람이 정답을 표기한 이미지를 기준으로 인접 단면을 자동 표시하는 ‘준 지도학습’ 방식의 알고리즘을 개발했다. 예컨대 100장의 단면 이미지 가운데 10장만 사람이 레이블링하면 나머지 90장은 알고리즘이 자동 분석하는 방식이다. 이로써 AI 기반 3차원 구조 형상에 필요한 데이터셋 준비 시간과 비용을 크게 줄였다.

실제 쥐 뇌세포 데이터를 활용한 성능 시험에서 이 알고리즘은 기존 방식 대비 정확도 차이가 3% 이내에 불과하면서 분석 소요 시간과 비용은 약 8분의 1 수준으로 줄어드는 것으로 확인됐다. 4096×6144 해상도의 대용량 데이터에서도 정확도와 속도를 유지하며 안정적인 성능을 보였다.

윤달재 KRISS 선임연구원은 “이번 기술은 생물학 연구뿐 아니라 반도체 결함 분석, 신소재 개발 등 영상 분석 자동화가 필요한 다양한 분야에서 활용할 수 있다”며 “특히 개인정보 보호나 예산 부족으로 AI 학습데이터 확보가 어려운 영역에서 유용할 것”이라고 말했다.