Image Science
전기정보공학, 컴퓨터공학 등 다양한 분야의 사람들이 모여서 이미지 사이언스에 참여하고 있음.
Imaging Devices
휴대폰 카메라, 현미경, 망원경을 사용함. 이미징을 단순히 가시광선으로 하는게 아니라 다양한 영역의 ray 들에 대해서 활용가능성이 있다- 를 이해해야 함.
Imaging Mechanism
이미징 시스템은 Reflection, Refraction, Diffraction, Interference 등 다양한 물리적 현상들을 포함함. 이러한 현상들에 대해서 다룸. X-ray 를 이용한 카메라 이미징은 앞뒤 구분이 안되는 이슈가 있어서 빙 돌아서 여러 장의 이미지를 찍는 시도를 했고, 이것이 CT 임.
First Medical X-ray & X-Ray Computed Tomography
뢴트겐이 X-ray 를 전쟁을 치룬 병사들에 박힌 총알을 찾아 빼야함을 발견하고 치료하는 등의 의료용으로 사용했음. Cormack 과 Hounsfield 가 이를 발전시켜 X-Ray Computed Tompography 인 CT 를 만듬. 현대 X-ray 같은 경우에는 148 마이크로미터 픽셀 크기를 볼 수 있을 정도로 발전했음.
As Low As Reasonability Achievable
방사선을 얼마나 받았는지에 대한 지표를 알 수 있는 뱃지같은 것이 주어짐. 우리가 기본적으로 받는 자연 방사선이 있는데 이는 어쩔수 없고 (우주, 바닥, 먹는것 등에서 부터) 일반적으로 방사선 업계 종사자 같은 경우 5년 기준으로 100 mSv 이하를 받아야 하고, 이를 최소화하려는 노력이 필요하기는 함.
AI Based Computational Imaging
Output 을 뽑고 Ground Truth 와의 비교를 통해 error 를 얻고 back propagation 을 하는 것은 기본적인 구조임. 하지만, Ground Truth 를 얻는 것이 어려움. 게다가 noise 가 있는 경우도 많음. 이를 해결하기 위해 Stein 이 Ground Truth 없이 gaussian noise 만으로 학습할 수 있는 방법을 제안했음. 최종적으로 Self-Supervised Learning 을 활용했고 문제를 해결함.
Making Useful AI Tools
더 적은 양의 방사선을 쓰고 더 정확한 이미지를 만들어내기 위한 연구를 지속적으로 진행하고 있음. 최근에는 일반 카메라 영상에도 적용하는 것으로 확장을 하고 있고, 유용한 AI tool 등을 만드려고 하고 있음. 더불어 병리과 의사가 보는 것보다 정밀한 Pathology 의 진단 등 다양한 분야를 포괄하려고 하고 있음.