최근 딥러닝은 실시간 음성 인식 및 자동화 된 이미지, 비디오 라벨링과 같은 애플리케이션 등 발전의 핵심 기술 중 하나로 데이터 분석을 자동화하기 위한 '다중 계층 인공 신경망(multi-layered artificial neural network)'을 사용하는 이 접근 방식이 환자의 엑스레이, CT 스캔 및 기타 의료 이미지에서 병변이나 이상을 자동으로 식별하는 데 기대 이상으로 주목받고 있지만 무엇보다도 관련 장비의 접근이 어렵다.

그 중 고급 벤치 탑 현미경의 해결책이 될 수 있다는 확신아래 UCLA(University of California Los Angeles) 오즈칸 연구실(Ozcan Research Lab)은 딥러닝으로 스마트폰을 이용, 현미경 수준의 실험실 디바이스로 촬영한 사진의 이미지로 향상시킬 수 있음을 증명했다. 스마트폰과 3D프린터로 출력한 간단한 현미경 어댑터(3D-printed microscope attachment)와 딥러닝으로 스마트폰 이미지의 해상도와 색상 세부 사항을 향상시켜 실험실 등급 현미경의 이미지 품질에 접근시켰다.

또한 이 기술에 적용된 UCLA의 새로운 딥러닝을 이용한 홀로그램 이미징 기술은 다중 홀로그램을 사용하는 현재의 방법보다 더 좋은 이미지를 생성하며 더 적은 수의 측정과 더 빠른 계산을 수행했으며, 연구팀은 전통적인 물리학 기반의 홀로그램 재구성 방법이 딥러닝 기반 계산 방식으로 대체하고 스마트폰 렌즈에 부착할 수 있는 간단한 디바이스를 개발하여(현미경 어댑터) 촬영하는 이미지의 미세한 부분에 대한 해상도와 가시성을 약 1 백만 분의 1 미터 수준까지 높였다.

이러한 발전은 사람들이 고급 진단 기술에 접근할 수 없는 취약 지역, 원격 진료 및 진단 관련 응용 분야 등에 고품질의 의료 진단 기술을 제공하는 데 도움이 될 수 있으며, 또 이 기술은 비슷한 품질의 이미지를 생성하는 실험실 수준의 장비를 구입하는 데 드는 비용을 대폭 절감할 수 있다.

이 연구는 UCLA의  전기 및 컴퓨터 공학 및 생체 공학부 아이로간 오즈칸(Aairogan Ozcan) 교수가 주도했으며, 연구팀은 딥러닝을 이용한 모바일 현미경 및 감지 분야의 혁신적인 기술을 도입, 자원이 부족한 분야에서 현장 휴대용 의료 진단 및 센서를 개발하는 데 중점을 두고 있다. 또한 값싼 휴대 전화 기반으로 현미경과 고급 렌즈를 사용하는 고급 벤치 탑 현미경 사이의 이미지 품질 격차를 해소하려고 노력했다.

오즈칸은 "우리의 접근 방식은 저렴한 렌즈나 카메라를 사용하는 다른 저비용 현미경 시스템에 광범위하게 적용될 수 있으며, 비용 효율적인 모바일 대안으로 고급 벤치 탑 현미경을 대체 할 수 있다고 믿습니다."라며, "이 새로운 기술은 전세계의 건강, 원격 진료 및 진단 관련 응용 분야에서 수많은 응용 분야를 발견 할 수 있을 것"이라고 덧붙였다.

한편 이 연구는 미국화학학회(American Chemical Society)의 저널 ACS Photonics 에 지난 3월 15일 발표되었다. (논문명: Deep Learning Enhanced Mobile-Phone Microscopy) 참고로 오즈칸이 이번 연구에 기반이 된 '딥러닝을 사용한 단계 복구 및 홀로그래픽 영상 재구성' 자료 초록 다운받기