국제의료정보포털

베이징대-노팅엄대 연구진, 혈류영상 정확도를 향상하는 ‘하이브리드 양자-고전’ 연구 발표

 

• 중국 베이징 공과대학(Beijing University of Technology)과 영국 노팅엄 대학교(University of Nottingham)의 연구진들은 혈류영상(Laser Speckle Contrast Imaging)의 정확도를 향상시키는 하이브리드 양자-고전(Hybrid Quantum–Classical) 3D CNN(Convolutional Neural Networks) ^* 프레임워크를 제시하는 연구를 발표함
  * 양자 컴퓨팅(큐비트(Qubit)를 사용해 동시에 여러 상태를 계산함으로써 복잡한 문제를 빠르게 해결)과 전통적인 컴퓨팅을 결합하여 3D 컨볼루션 신경망(이미지, 동영상, 의료 영상과 같은 3차원 데이터를 분석하는 데 사용되는 딥러닝 모델)의 성능을 강화한 혁신적인 AI 프레임워크
• 기존 방식인 조영제(造影劑) 없이 혈류를 시각화하는 LSCI(Laser Speckle Imaging) 기술은 정량적 혈류측정에 어려움이 있으며, 정적 산란체 ^** 와 다양한 반점크기 등으로 인해 정확도가 떨어짐
  ** 예측할 수 없는 방식으로 빛을 산란시켜 이미징 선명도를 방해할 수 있는 움직이지 않는 입자
• 이러한 문제를 해결하기 위해 3D CNN과 같은 기계 학습 모델이 LSCI에 통합되어 공간 및 시간적 데이터를 처리함. 이 모델은 양자회로를 통해 정보손실을 줄이고, 혈류예측 정확도를 최대 26.1% 개선함
• 새로운 모델은 추가적인 생체 테스트가 진행될 예정이며, MRI나 CT와 같은 다른 의료영상 기법에도 적용되어 정밀진단의 새로운 기술이 될 것으로 기대됨