광음향 영상은 빛을 인체 조직에 쬐었을 때 빛을 흡수한 조직이 순간적으로 열팽창하면서 발생하는 음파(광음향) 신호를 초음파 센서로 감지해 영상화하는 원리를 이용한다. 광학을 이용한 영상 기술로는 1mm 미만의 얕은 깊이만을 볼 수 있지만 광음향 영상으로는 인체 조직 내 수cm까지 볼 수 있다. 기존 초음파나 광음향 영상은 영상이 왜곡되는 문제가 생길 수 있었다.

영상 시스템 한계로 인해 신호를 충분하게 얻지 못한 채 영상을 확인해야 할 때도 있어 영상에 결함이 나타나 영상 판독에 방해가 됐다. 이에 김 교수팀은 시뮬레이션 상에서 임의로 매질 음속을 설정해 왜곡한 광음향 영상과 그렇지 않은 실제 광음향 영상을 만들었다. AI를 학습시켰고 시뮬레이션 된 연습 영상과 실제 사람에게서 확인한 광음향 영상에 적용해 효과도 확인했다.

연구 결과 기존 광음향 영상에서 발생하던 왜곡이 줄어들면서 주요 신호 주변에 나타나던 결함 신호 크기가 기존 광음향 영상의 최대 5% 수준까지 감소했다. 신호대 잡음비는 약 25데시벨(dB)까지 높아졌다. 영상 시스템의 128개 채널에서 수신한 신호 중 64개 채널만 사용하는 경우에도 AI는 거의 동일한 화질의 광음향 영상을 만들었다. 이 연구대로 하면 건강한 사람 팔과 발의 혈관 영상, 흑색종 환자의 몸 내 광음향 이미지 왜곡이 줄어들고 선명도가 개선될 수 있는 것이다.

산소포화도 등 주요 진단 정보는 5% 내외 정도 차이만 발생해 기존 U-net, Segnet 등 AI 모델보다 우수함을 입증했다.