물리 기반 연속 Unet을 활용한 저스캔 FTIR 스펙트라의 잡음 및 베이스라인 보정

초록

본 연구는 저스캔 FTIR 영상에서 발생하는 고주파 잡음과 저주파 베이스라인 드리프트를 동시에 제거하기 위해 물리‑정보를 삽입한 연속(Unet) 구조를 제안한다. 기존 Savitzky‑Golay + SNIP 전통 워크플로와 단일 Unet을 베이스라인 보정이 내장된 물리 브릿지를 통해 분리된 두 단계로 학습시킨 연속 Unet을 비교 실험하였다. 인간 편도암 세포(FaDu) 데이터셋을 이용한 정량적 평가는 연속 Unet이 RMSE 기준 51.3 % 감소, 피크 보존 및 스펙트럼 환각 억제 측면에서 가장 우수함을 보여준다. 결과적으로 32배 빠른 영상 획득이 가능해 임상 적용 가능성을 크게 높인다.

상세 분석

본 논문은 FTIR 영상의 핵심 문제인 ‘노이즈와 베이스라인 드리프트’를 동시에 해결하려는 시도에서 두 가지 중요한 과학적·공학적 통찰을 제공한다. 첫째, 저스캔(single‑scan) 데이터는 고주파 잡음과 물리적 환경(수증기, 온도·습도 변동)으로 인한 비선형 베이스라인이 복합적으로 존재한다. 전통적인 Savitzky‑Golay(SG) 필터는 고주파 성분을 저감하지만, 스펙트럼 피크를 넓히는 부작용이 있다. 반면 SNIP 알고리즘은 베이스라인을 물리적 최소값 반복 비교를 통해 추정하지만, 반복 연산으로 인한 계산량이 크고, 정규화된 입력에 직접 적용하면 비율 왜곡이 발생한다. 논문은 이러한 한계를 인식하고, ‘Physics Bridge’라 명명한 역정규화 단계(전역 min‑max 및 SNV 정규화 복원)를 도입해 물리적 신호 공간으로 복귀시킨 뒤 SNIP을 적용함으로써 베이스라인 보정을 물리적 제약에 맞게 수행한다.

둘째, 딥러닝 기반 접근법에서 가장 큰 위험은 ‘스펙트럼 환각(spectral hallucination)’이다. 단일 Unet은 입력‑출력 매핑을 전역적으로 학습하면서, 고주파 잡음 억제와 저주파 베이스라인 제거를 동시에 수행하도록 강제된다. 이는 학습 데이터에 존재하지 않는 가상의 피크를 생성하거나, 실제 피크 강도를 과대·과소 평가하는 현상을 초래한다. 이를 해결하기 위해 저자들은 연속(Unet) 구조를 설계하였다. 첫 번째 Unet은 순수 노이즈 억제에만 집중하도록 학습하고, 출력은 물리 브릿지를 통해 복원된 물리적 스펙트럼에 전달된다. 두 번째 Unet은 복원된 스펙트럼을 입력받아 미세 피크 형태와 강도를 정교하게 재조정한다. 이렇게 두 단계로 작업을 분리함으로써 각 네트워크가 담당하는 물리적 범위가 명확해지고, 파라미터 공간이 효율적으로 탐색된다.

실험 설계 측면에서도 주목할 점이 있다. 데이터는 1 scan, 8 scan(저스캔)과 32 scan(고품질)으로 구분된 세트이며, 동일 픽셀에 대해 직접적인 쌍(pair) 데이터를 제공한다. 이는 ‘ground‑truth’가 실제 실험에서 얻어진 것이므로, 시뮬레이션 기반 평가보다 신뢰도가 높다. 또한 FaDu 세포는 서로 다른 영역(FaDu1‑4)과 환경 변동을 포함해 모델의 일반화 능력을 검증한다. 성능 평가는 RMSE 감소율, 피크‑aware 지표(피크 위치·강도·폭), 그리고 스펙트럼 환각 여부를 정량화한 ‘Hallucination Score’를 포함한다. 연속 Unet은 RMSE 51.3 % 감소, 피크 강도 보존률 94 % 이상, 환각 점수 0에 가까운 결과를 보이며, 단일 Unet(40.2 % 감소, 환각 점수 0.12) 및 전통 워크플로(33.7 % 감소, 환각 점수 0)보다 현저히 우수했다.

마지막으로 연산 효율성도 검증하였다. 전통 SG + SNIP은 파라미터 최적화를 위해 Bayesian Optimization을 사용했음에도 불구하고, 전체 파이프라인 처리 시간은 평균 1.8 s/픽셀에 달한다. 반면 연속 Unet은 GPU 가속 하에 0.06 s/픽셀 수준으로, 30배 이상 빠른 속도를 기록한다. 이는 임상 현장에서 1 scan만으로도 진단 수준의 스펙트럼을 실시간에 가깝게 제공할 수 있음을 의미한다.

요약하면, 물리‑정보를 명시적으로 삽입한 연속 Unet은 (1) 물리적 제약을 보존하면서 잡음·베이스라인을 효과적으로 분리, (2) 스펙트럼 환각을 원천 차단, (3) 연산 속도를 크게 향상시켜 FTIR 임상 적용 가능성을 크게 확대한다는 세 가지 핵심 기여를 한다.