전기 임피던스 단층 촬영 이미지 재구성을 위한 물고기 떼 탐색 및 비맹목 탐색 방법

전기 임피던스 단층 촬영(EIT)은 전극을 통해 측정한 전위와 전류 데이터를 기반으로 내부 전도도 분포를 추정하는 비침습 영상 기술이다. 기존 재구성 방법은 직접 문제를 풀어 전위 분포를 계산한 뒤, 역문제로 전도도 이미지를 복원하는데, 이 과정은 비선형이며 ill‑posed 특성 때문에 해가 유일하지 않고 잡음에 민감하다. 이러한 한계를 극복하기 위해 연구자들은 최적화 기반 접근법을 도입했으며, 본 논문은 그 중에서도 물고기 떼 탐색(Fish School Search, FSS)과 비맹목 탐색(Non‑Blind Search, NBS)이라는 두 메타휴리스틱을 결합한 새로운 프레임워크를 제시한다. 먼저, 논문은 EIT의 수학적 배경을 정리한다. 전기장과 전위는 맥스웰 방정식에서 유도된 포아송 방정식(∇·(σ∇ϕ)=0)으로 기술되며, 경계 조건으로 전극 전류와 전위가 주어진다. 직접 문제는 주어진 전도도 σ에 대해 전위 ϕ를 FEM(유한 요소법)으로 계산하고, 역문제는 측정된 전위와 계산된 전위 사이의 상대 제곱 오차를 최소화하는 최적화 문제로 변환된다. 적합도 함수는 식 (11)‑(13)에 정의된 바와 같이 전극별 전위 차의 제곱합을 전극 수로 정규화한 형태이다. FSS 알고리즘은 물고기 개체군을 해 공간의 후보점으로 보고, 개별 이동, 집단 직관적 이동, 집단 부피 조정이라는 세 가지 연산자를 순차적으로 적용한다. 개별 이동은 현재 위치 주변을 무작위로 탐색하며, 개선이 있으면 해당 위치로 이동한다. 집단 직관적 이동은 모든 물고기의 이동 벡터를 적합도 변화에 가중 평균하여 전체 무리의 탐색 방향을 결정한다. 집단 부피 조정은 전체 무게 변화에 따라 무리의 중심으로 수축하거나 확장함으로써 탐색 범위를 동적으로 조절한다. 이러한 메커니즘은 탐색 초기에 넓은 영역을 탐색하고, 수렴 단계에서는 탐색 폭을 줄여 정밀한 최적점을 찾도록 설계되었다. 비맹목 탐색(NBS)은 초기 개체군을 완전히 무작위가 아닌, 기존의 간단한 재구성 방법인 Gauss‑Newton 알고리즘으로 얻은 근사 해를 하나 포함시키는 전략이다. Saha와 Bandyopadhyay(2008)의 아이디어를 차용한 것으로, 초기 후보에 어느 정도 물리적 의미를 부여함으로써 탐색 초기 단계에서의 수렴 속도를 높이고, 완전 무작위 초기화에 비해 지역 최적에 빠지는 위험을 감소시킨다. 실험은 415개의 유한 요소로 구성된 원형 영역에 전도도 차이가 있는 물체를 세 가지 위치(중심, 중심과 가장자리 사이, 가장자리)에 배치한 수치 팬텀을 사용한다. 각 위치별로 20번의 독립 시뮬레이션을 수행했으며, 비교 대상으로는 동일 파라미터 설정 하에 구현된 전통적인 유전 알고리즘(GA)이 사용되었다. GA는 초기 무작위 개체군, 룰렛 휠 선택, 2점 교차, 변이, 엘리트 보존을 기본 연산으로 한다. 결과는 두 가지 주요 지표로 제시된다. 첫째는 평균 수렴 이터레이션(목표 적합도에 도달하기까지 필요한 반복 횟수)이며, 둘째는 최종 적합도 값(전위 오차). 모든 경우에서 FSS와 FSS‑NBS는 GA보다 평균 수렴 이터레이션이 현저히 적었다. 특히 중심에 물체가 위치한 경우 FSS‑NBS는 가장 빠른 수렴을 보였으며, 중간 및 가장자리 위치에서도 비슷한 경향을 유지했다. 최종 적합도 측면에서는 세 방법 간 차이가 크지 않았으며, 경우에 따라 FSS가 GA보다 약간 높은 오차를 보이기도 했다. 이는 FSS가 탐색 속도에서는 우수하지만 전역 최적점에 도달하는 정확도는 초기화와 파라미터 설정에 크게 의존한다는 점을 의미한다. 논문은 또한 알고리즘 파라미터(물고기 수, 개별·집단 이동 스텝, 피드백 비율 등)의 민감도 분석이 부족함을 인정한다. 실제 적용을 위해서는 전극 배치, 측정 잡음, 비선형성 등 현실적인 변수들을 고려한 추가 검증이 필요하다. 결론적으로, 본 연구는 물고기 떼 탐색을 EIT 역문제에 적용한 최초 사례 중 하나이며, 비맹목 초기화가 탐색 효율을 향상시킬 수 있음을 실험적으로 입증한다. 향후 연구 방향으로는 파라미터 자동 튜닝, 다중 목표 최적화(해상도와 계산 비용 동시 최소화), 실제 임상 데이터에 대한 검증, 그리고 다른 스웜 기반 알고리즘(예: PSO, ABC)과의 비교 분석이 제시된다. 이러한 확장은 FSS 기반 EIT 재구성 기술을 실용적인 의료·산업 현장에 적용하기 위한 중요한 단계가 될 것이다.