관련뉴스 1 페이지

산업용 머신비전 분야의 세계적 선도기업 코그넥스는 딥러닝 기반 이미지 분석 솔루션인 ’비전프로 딥러닝(VisionPro Deep Learning)’을 활용하여 엑스레이나 CT 스캔 이미지에서 코로나19 감염 식별 연구를 진행하였으며, 타 분석 장비 대비 월등한 식별 정확도를 얻었다고 1일 발표했다.

코그넥스 비전프로 딥러닝은 공장 자동화를 위해 설계된 딥러닝 기반 이미지 분석 소프트웨어다. 비전프로 딥러닝은 기존의 머신비전으로는 적용하기 어려운 까다롭고 복잡한 애플리케이션을 해결하는 동시에 사람의 육안 검사로는 불가능한 일관성과 속도를 제공한다.

코그넥스는 관련 연구를 발표하며 코그넥스 비전프로 딥러닝이 의학적으로도 활용될 수 있다는 가능성을 확인했다.

최근 의학연구팀이 흉부 엑스레이를 분석하여 코로나19 감염 여부를 식별하는 문제에 코그넥스의 비전프로 딥러닝 소프트웨어를 적용하여 유의미한 결과를 얻었다.

후속 연구에서는 비전프로 딥러닝 소프트웨어를 적용하여 CT 스캔에서 코로나19 감염 징후를 식별하는 효과를 비교하였다. 이 연구는 소프트웨어를 훨씬 더 빠르고 쉽게 프로그래밍하는 방법도 연구하여 상당히 긍정적인 결과를 얻었다.

X-ray(엑스레이)와 같은 의료 이미지는 의사와 방사선사에게 코로나19 감염 여부를 확인하는 시각적 증거로 사용된다.

이의 분석을 위해 프로그래밍된 딥러닝 소프트웨어를 이용하여, 수천 개의 의료 이미지를 분석하고 이상 징후를 식별하여 의료진의 업무량을 줄일 수 있다.

그러나 기존에 가장 대중적으로 사용되고 있는 오픈소스 딥러닝 툴은 사용하기 어렵고 상당한 프로그래밍 전문 지식을 요구한다. 오픈소스 딥러닝 툴은 유용하지만 의사, 방사선 전문의를 포함한 의료 종사자가 툴을 다루기에 어려운 부분이 많았다.

이에 코그넥스 인공지능(AI) 전문팀은 기존 오픈소스 딥러닝 툴을 대체할 수 있는 이미지 식별 솔루션 연구와 개발에 나섰다.

코그넥스는 ‘딥러닝을 이용하여 흉부 엑스레이에서 코로나19 감염 이미지 식별: 코그넥스 비전프로 딥러닝 1.0 소프트웨어와 오픈소스 합성곱 신경망(Convolutional Neural Network: 딥러닝에서 선형 연산을 활용하여 시각 이미지를 분석하는 인공 신경망)과의 비교’ 연구를 진행하여 코그넥스 비전프로 딥러닝 컴퓨터 신경망(이하 CNN)을 VGG19, ResNet, DenseNet, Inception, COVID-NET라는 오픈소스 합성곱 신경망과 비교했다.

특히 COVID-NET은 흉부 엑스레이에서 코로나19 감염 진단을 위해 특별 제작된 딥러닝 컴퓨터 신경망(CNN)이다.

 코그넥스의 생명과학 분야 수석 AI 전문가 Vandenhirtz는 “엑스레이에 나타나는 병리학을 소프트웨어로 쉽게 구분할 수 있다는 사실을 알고 놀랐다”며 “인간이 다른 병리학을 가진 엑스레이 이미지의 미세한 차이를 알아내는 것은 거의 불가능하다”라고 말했다.

코그넥스의 연구는 "COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images"라는 Waterloo 대학의 연구 결과를 기반으로 진행됐다.

이 연구는 COVID-X라고 하는 데이터셋의 약 1만4000개에 달하는 흉부 엑스레이 이미지를 활용했다. 공동 저자인 Linda Wang과 Alexander Wong은 인공 지능을 사용하여 엑스레이 이미지들을 분석하고 코로나19의 분명한 징후를 가진 폐를 식별하는 방법을 배운 정교한 신경망인 COVID-Net을 구축하는 데에 성공했다.

코그넥스 연구원 역시 COVID-X 데이터셋의 약 1만4000개의 엑스레이 이미지를 활용하여 딥 러닝 도구를 훈련시켰다. 이미지는 ▲‘정상(Normal)’ ▲‘코로나19에 감염되지 않은 폐렴(Non-COVID-19)’ ▲‘코로나19 감염(COVID-19)’ 등 총 세 가지 범주로 구분됐다.

COVID-Net은 F-score(테스트 정확도 척도)가 ‘정상’ 92.6%에서 ‘코로나19 감염’ 94.7%에 이르는 우수한 결과를 나타냈다. 코그넥스의 비전프로 딥러닝 1.0 소프트웨어는 F-score(테스트 정확도 척도)가 ‘정상’에서 95.6%, ‘코로나19 감염’에서 97.0%로 COVID-Net보다 우수한 성과를 거두었다.

또한 코그넥스 연구팀은 후속 연구로 흉부 CT(컴퓨터 단층 촬영) 스캔의 결과도 조사했다.

많은 연구가 엑스레이 및 CT 스캔 이미지를 딥러닝을 활용하여 코로나19 감염을 식별하는 데에 성공했지만, 대부분의 딥러닝 아키텍처는 시스템을 훈련시키기 위한 그래픽 사용자 인터페이스(GUI)를 제공하지 않기 때문에 광범위한 프로그래밍이 필요하다.

딥러닝이나 프로그래밍에 대한 지식이 부족한 방사선 전문의들은 이러한 프로그램을 훈련하기는커녕 이용하기도 어려울 수 있다.

코그넥스의 생명과학 분야 수석 AI 전문가Vandenhirtz는 "딥 러닝 소프트웨어를 채택할 때 가장 큰 문제는 텐서플로(Tensor Flow: 머신 러닝을 위한 오픈소스 소프트웨어)와 같은 표준 패키지는 프로그래머가 텍스트 기반 터미널 인터페이스에서 모델을 구축해야 하기 때문에 사용하기가 어렵다는 것이다"고 설명했다.

이어 “반면 코그넥스 비전프로 딥러닝은 프로그래밍 경험이 필요 없는 사용자에게 친화적인 GUI를 갖추고 있다”며 “MS 오피스를 사용할 수 있다면 비전프로 딥 러닝도 쉽게 배울 수 있다"고 덧붙혔다.

실제로 이번 프로젝트의 수석 연구원인 Arjun Sarkar도 코그넥스에 입사하기 전에는 비전프로 딥 러닝을 사용해본 적이 없지만, 두 달 만에 Sarkar는 이 프로그램을 사용하여 연구를 수행하고 결과를 작성했다.

기존의 딥러닝 연구는 네트워크를 구축하고 모델을 개발하고 알고리즘을 훈련하기 위해 수년 이상의 긴 시간이 필요하지만 비전프로 딥러닝은 이런 지연을 대폭 줄여준다.

아울러 효과와 사용 용이성을 고려하여 코그넥스의 최근 실험은 비전프로 딥러닝이 ‘정상’, ‘코로나19에 감염되지 않은 폐렴’, ‘코로나19 감염’을 잘 식별하여 검사 정밀도를 높여 높은 F-scores(테스트의 정확도 척도)를 달성하기 위해 필요한 훈련량을 조사했다.

후속 논문인 ‘Detection of COVID-19 from Chest Computed Tomography (CT) images using Deep Learning: Comparing COGNEX VisionPro Deep Learning 1.0 Software with Open Source Convolutional Neural Networks’은 Linda Wang 연구팀이 전문적으로 분류한 10만개 이상의 흉부 CT 이미지 데이터셋을 활용했다.

코그넥스 비전프로 딥러닝의 성능 측정을 위한 비교 검증 방식으로 Waterloo 대학의 CNN 아키텍처인 COVID-Net-CT-A와 COVID-Net-CT-B, 구글의 최신 CNN인 Xception을 포함한 최첨단 CNN을 활용했다.

코그넥스 비전프로 딥러닝 1.0은 세 가지 유형(‘정상’, ‘코로나19에 감염되지 않은 폐렴’, ‘코로나19 감염’) 모두에서 F-Score가 99.4를 초과하여 다른 모든 CNN보다 월등한 검사 정확도를 보였다.

이 연구는10만개 이상의 CT 스캔 데이터셋 이미지를 6만1782개의 트레이닝셋(training set)과 각각의 CNN에 의해 학습과 분석을 거친 2만1191개의 테스트셋(test set)으로 나누어서 이뤄졌다.

기존 CNN이 ‘정상’, ‘코로나19에 감염되지 않은 폐렴’, ‘코로나19 감염’ 상태를 식별하기 위해 얼마나 많은 이미지가 필요한지 확인해보기 위해, 코그넥스는 2만6338개의 트레이닝셋(training set)을 활용하여 CNN을 재훈련했다.

그 결과, 각 CNN의 F-Score 결과가 도출됐다. 코그넥스 비전프로 딥 러닝은 세가지 이미지 분류 모두 F-Score 99.1% 이상으로 다른 CNN의 결과보다 월등히 높았다.

다른 CNN의 최고 F-Score는, 특히 ‘코로나19에 감염되지 않은 폐렴’과 ‘코로나19 감염’이라는 두 관련 병리학적 유형에서 80대 후반에서 90대 중반에 이르는 수치로 F-Score가 떨어졌음을 확인할 수 있다.

코그넥스가 밝힌 연구 결과는 의학 연구자들에 의한 검증을 필요로 하며, 코그넥스 비전프로 딥러닝은 아직 의료용으로 승인되지 않았다. 그러나 코그넥스 비전프로 딥러닝의 의학적 활용 가능성을 충분히 증명했다.

Vandenhirtz는 "모든 역량에서 딥러닝 알고리즘이 인간 의료진의 지혜를 완전히 대체할 수는 없으며 적어도 단기적으로는 인공지능이 의료 진단을 내릴 수 있을 것으로 생각하지 않는다”고 강조했다.

또 “하지만 청진기나 혈압 측정기와 마찬가지로, 딥러닝은 의료 전문가들이 높은 수준에서 그들의 일을 수행할 수 있도록 돕는 유용한 도구가 될 수 있다”고 덧붙였다. 
​

메디컬투데이 김동주 기자(ed30109@mdtoday.co.kr) 

올들어 ABBㆍ지브라 등 기업, 물류 로봇 전문기업 인수 



물류 로봇업계에 인수 합병 열기가 뜨겁다. 사진은 지브라 테크놀로지가 인수한 페치로보틱스의 물류 로봇(사진=더로봇리포트) 

 물류 로봇업계에 인수합병 열기가 거세다.

올들어 ABBㆍ지브라 테크놀로지스ㆍ로커스 로보틱스ㆍJASCI 소프트웨어 등이 자율이동로봇(AMR) 전문기업을 인수해 시장에 새로 진입하거나 물류 로봇 사업을 강화하고 있다. AMR 로봇 기업을 둘러싼 인수 합병 바람은 지난 2018년부터 본격화하기 시작했다. 테라다인이 덴마크 MiR을 2018년 인수했고 아마존이 2019년 캔버스 테크놀로지를 인수했다. 이어 테라다인의 오토가이드 모바일 로봇, 쇼피파이의 6리버시스템즈 인수 소식이 전해졌다.

올들어선 ABB, 지브라 테크놀로지스, 로커스 로보틱스, JASCI 소프트웨어 등이 인수 합병 바람에 가세했다.

먼저 SaaS(서비스로서의 소프트웨어사업) 기반 창고관리 소프트웨어(WMS) 기업인 JASCI 소프트웨어가 메사추세츠주 로웰에 위치한 자율물류창고 로봇 전문기업인 넥스트시프트 로보틱스를 인수했다. 인수 금액은 공개되지 않았다. 넥스트시프트는 JASCI에 인수된 후 회사 이름을 넥스트시프트 로보틱스로 변경했다.

이어 올해 7월 지브라 테크놀로지스의 페치 로보틱스 인수 소식이 전해졌다. 인수금액은 2억9000만 달러. 지브라는 페치 로보틱스 인수 이전에도 페치 로보틱스의 지분 일부를 보유하고 있었는데 이번에 아예 경영권을 인수한 것이다. 또한 지브라는 산하 벤처투자 기업인 지브라 벤처스를 통해 로커스 로보틱스와 플러스 원 로보틱스 등 물류 로봇 기업의 지분을 보유하면서 로봇 포트폴리오를 확대하고 있다.

ABB도 올해 7월 스페인 AMR 전문기업인 ASTI 모바일로보틱스를 1억9000만 달러에 인수했다. 지난 1982년 설립된 ASTI는 300명의 종업원을 두고 있으며, 지난 2015년 이후 연평균 30%의 성장률을 보이고 있다. ABB는 ASTI 제품을 ABB 로봇, 기계자동화, 모듈형 솔루션, 로봇스튜디오(ABB 로봇 시뮬레이션·프로그래밍 소프트웨어) 등과 통합해 ABB 고객에게 종합적인 자동화 포트폴리오를 제공한다는 계획이다.

로커스 로보틱스는 지난 7월 AMR 개발업체인 웨이포인트 로보틱스를 인수했다. 거래 가격은 공개되지 않았다. 웨이포인트는 프로덕티브 로보틱스와 제휴해 자율이동로봇(AMR)의 조작 접근성을 제공하는 ‘협동 모바일 매니퓰레이터(collaborative mobile manipulator)’를 내놓는 등 물류 로봇 시장에서 존재감을 확대하고 있다. 로커스가 웨이포인트를 인수함에 따라 로커스는 고객들에게 보다 다양한 물류 로봇 솔루션을 제시할 수 있게 됐다.

지난 10일(현지 시각) 독일 함브르크에 위치한 자동화 시스템 전문기업인 융하인리히(Jungheinrich) AG가 자율이동로봇(AMR) 기업인 아큘러스(arculus) GmbH를 인수했다고 밝혔다. 아큘러스는 현재 아큘러스 X5, 아큘러스 S, 아큘러스 M 등 AMR 제품 라인을 갖고 물류 로봇 시장을 공략하고 있다. 자동화 시스템 분야 전문 기업인 융하인리히는 아큘러스의 인수를 통해 물류 시장에서 시너지 효과를 기대할 수 있게 됐다.

이처럼 물류 로봇 기업을 둘러싼 인수합병 바람이 거세게 일고 있는 것은 코로나의 전세계적인 유행으로 전자상거래 시장이 급속도로 성장하면서 물류와 공급망 구축이 점점 중요해지고 있기 때문이다.

장길수  ksjang@irobotnews.com