DGIST(총장 이건우)는 로봇및기계전자공학과 박상현 교수 연구팀이 미국 스탠퍼드대학교와 공동으로 개인정보를 공유하지 않고도 대규모 모델을 효율적으로 학습할 수 있는 새로운 원샷 연합학습(federated learning) 인공지능 기법을 개발했다고 2일 밝혔다.
이번 성과는 의료영상 분석 분야에서 개인정보 보호와 학습 효율, 성능을 동시에 확보할 수 있는 방법으로 평가된다.
의료영상 데이터는 환자의 민감한 개인정보를 포함하고 있어 병원 간 공유가 제한적이다. 이를 극복하기 위해 고안된 연합학습은 환자 데이터를 주고받는 대신 학습된 모델만 공유하는 방식이지만, 반복적인 모델 전송 과정에서 시간과 비용이 많이 소요되는 문제가 있었다. 이를 보완하기 위해 제안된 원샷 연합학습 역시 계산 비용과 오버피팅(과적합) 문제가 남아 있었다.
연구팀은 합성 이미지에 구조적 노이즈를 추가하고, ‘믹스업(mixup)’ 기법을 통해 가상의 중간 샘플을 생성하는 방법을 도입했다. 이를 통해 학습 데이터 다양성을 확보해 과적합을 줄이고, 합성 이미지를 재활용함으로써 계산 효율성을 크게 개선했다.
연구팀은 방사선 영상, 병리 영상, 피부경 영상, 안저 영상 등 다양한 의료영상 데이터셋에 해당 기법을 적용했다. 그 결과 기존 원샷 연합학습보다 더 적은 계산으로 더 높은 정확도를 달성했다.
박상현 교수는 “개인정보 보호와 통신 제약이라는 현실적 조건 속에서도 의료영상 분야에서 범용적인 모델을 학습할 수 있다”며, “다양한 환자군을 아우르는 신뢰성 높은 진단 보조 시스템 구축에 기여하겠다”고 말했다.
이번 연구는 DGIST 일반사업, 한국연구재단 우수신진과제, 과학기술정보통신부 AI 스타펠로우십의 지원을 받아 수행됐으며, 의료영상 분석 분야 최상위 국제 학술지 ‘메디컬 이미지 아날리시스(Medical Image Analysis)’에 게재됐다.
김지윤 기자/ hello@sciencewave.kr
Science Wave에서 더 알아보기
구독을 신청하면 최신 게시물을 이메일로 받아볼 수 있습니다.