[테크월드뉴스=장민주 기자] 한국과학기술연구원(KIST)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 3일 밝혔다.
KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다.
뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능(AI), 사물인터넷(IoT), 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다.
감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이때 외부 자극에 대한 정보에 따라 생성하는 스파이크 패턴이 달라진다. KIST 연구진은 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다.
개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100만배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다.
연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 AI에 학습시켜 더 간단하고 정확하게 유방암 진단이 가능하도록 했다.
KIST 연구진은 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라며, “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용할 수 있다”고 말했다.
그래도 삭제하시겠습니까?