뇌과학-데이터과학 협력으로 복잡한 동물 움직임 구분
인간 행동도 분석 가능…분석 도구 'SUBTLE' 민간기업 이전
생물학 연구, 로보틱스 산업까지 다양한 활용 가능
![[대전=뉴시스] IBS가 개발한 SUBTLE 프레임워크 모식도. 그림 A는 생쥐의 움직임에서 키포인트들의 3차원 좌표를 얻어내고 분석하는 과정이며 B는 비선형 맵핑 결과로, 클러스터 개수(k) 증가에 따른 임베딩 결과를 보여준다.(사진=IBS 제공) *재판매 및 DB 금지](https://img1.newsis.com/2024/05/22/NISI20240522_0001556471_web.jpg?rnd=20240522142926)
[대전=뉴시스] IBS가 개발한 SUBTLE 프레임워크 모식도. 그림 A는 생쥐의 움직임에서 키포인트들의 3차원 좌표를 얻어내고 분석하는 과정이며 B는 비선형 맵핑 결과로, 클러스터 개수(k) 증가에 따른 임베딩 결과를 보여준다.(사진=IBS 제공) *재판매 및 DB 금지
[대전=뉴시스] 김양수 기자 = 기초과학연구원(IBS)은 인지 및 사회성 연구단 이창준 단장과 수리 및 계산과학 연구단 데이터 사이언스그룹 차미영 CI단장(KAIST 전산학부 교수) 공동 연구팀이 인공지능 학습을 통해 동물행동을 분류하고 분석할 수 있는 분석 도구 '섭틀(Spectrogram-UMAP-Based Temporal-Link Embedding·SUBTLE)'을 개발했다고 22일 밝혔다.
동물행동 분석은 기초신경과학 연구에서부터 질병의 원인과 치료법에 대한 연구에 이르기까지 다양한 연구의 핵심 도구로 활용된다.
기존 일반적인 동물행동 연구는 주로 1대의 카메라로 동물을 촬영해 특정 움직임의 시간, 빈도 등 저차원 데이터만을 분석했다.
데이터의 분석에는 그동안 학습데이터 하나하나에 대응되는 결괏값을 인공지능에 제공해 분석하는 방법을 사용했다. 이 방법은 단순하지만 데이터 구축에 많은 시간과 노동의 투입이 요구되며 분석결과가 실험자의 주관적 판단에 의해 왜곡될 수 있다.
이번에 IBS 연구진은 인공지능(AI) 분석법인 비지도 학습(Unsupervised learning)으로 3차원 모션캡처 장비를 통해 추출한 동물의 3차원 움직임 정보를 분석, 동물행동을 정확히 분류할 수 있는 분석 프레임워크를 구현했다.
비지도 학습은 명시적인 결괏값(해답)이 없는 학습데이터로부터 인공지능이 스스로 데이터의 패턴과 구조, 특성을 찾아 유사성에 따라 클러스터로 묶어 분석하는 기법이다. 인간의 개입을 최소화하면서 편향없이 동물행동을 분석할 수 있는 장점이 있다.
연구진은 여러대의 카메라로 생쥐의 움직임을 촬영해 생쥐의 머리, 다리, 엉덩이 등 9개의 키포인트 좌표를 추출하고 시간에 따른 3차원 액션 스켈레톤 움직임 데이터를 얻었다.
이어 움직임의 시계열 데이터를 2차원으로 축소해 복잡한 데이터를 간결하고 의미있는 방식으로 표현할 수 있도록 '임베딩(Embedding)' 변환했다.
또 유사성이 높은 행동상태를 묶어 서브클러스터로 군집화하고 이 서브클러스터들을 다시 정형화된 행동패턴(Repertoires)을 나타내는 슈퍼클러스터로 군집화했다.
이 과정에서 연구진은 행동 데이터 클러스터를 평가하는 지표인 TPI(Temporal Proximity Index)를 새롭게 제시했다. 이 지표는 각각의 클러스터가 동일한 행동상태를 포함하고 효과적으로 시간적 움직임을 나타내는지를 측정할 수 있다.
연구진은 이 지표를 이용한 클러스터 평가로 행동분류에 최적화된 알고리즘들을 확보, 이들을 조합해 SUBTLE을 구현하는데 성공했다.
연구진이 개발된 SUBTLE로 생쥐의 움직임을 분석한 결과, 행동 데이터 슈퍼클러스터에서 뒷발로 서기, 네발로 걷기, 멈추기, 털 고르기 등 다양한 행동 패턴들을 정확히 구분하는게 확인됐다.
이는 기존 행동 분석방법 대비 약 2배 이상의 정확도며 인간이 직접 분류한 정밀도와 유사한 수준이다.
특히 SUBTLE은 그룹 비교 등 다양한 분석이 가능해 새끼 생쥐와 성체 생쥐 그룹 간 행동 데이터의 미묘한 차이까지 식별할 수 있고 팔굽혀펴기, 들어올리기, 밀기 등 인간의 동작도 정확히 구분할 수 있어 인간, 원숭이 등의 데이터에도 적용할 수 있다.
차미영 CI단장은 "동물행동 분류의 자동화를 돕는 평가지표와 벤치마크 데이터를 새롭게 제시한 것은 뇌과학과 데이터과학의 협력으로 이뤄낸 결실"이라며 "이 알고리즘이 동물의 움직임을 모방하는 로보틱스 산업을 비롯해 행동패턴 인식이 필요한 산업 전반에 유용하게 활용될 것으로 기대한다"고 말했다.
이번 SUBTLE 기술은 지난달 AI 기반 임상·비임상 행동시험 분석 회사 '액트노바'에 이전됐으며 연구 결과는 '국제컴퓨터비전학술지(International Journal of Computer Vision, IJCV)'에 지난 20일 온라인 게재됐다.
이창준 단장은 "인간의 행동패턴 인식 메커니즘을 적용해 인간의 개입을 최소화하면서도 동물의 복잡한 행동을 이해할 수 있는 효과적인 행동 분석 프레임워크를 개발했다"며 "산업적 응용 가능성이 클 뿐만 아니라 행동을 인지하는 뇌의 원리를 더 깊게 이해하는 도구로도 활용할 수 있을 것"이라고 밝혔다.
◎공감언론 뉴시스 [email protected]
동물행동 분석은 기초신경과학 연구에서부터 질병의 원인과 치료법에 대한 연구에 이르기까지 다양한 연구의 핵심 도구로 활용된다.
기존 일반적인 동물행동 연구는 주로 1대의 카메라로 동물을 촬영해 특정 움직임의 시간, 빈도 등 저차원 데이터만을 분석했다.
데이터의 분석에는 그동안 학습데이터 하나하나에 대응되는 결괏값을 인공지능에 제공해 분석하는 방법을 사용했다. 이 방법은 단순하지만 데이터 구축에 많은 시간과 노동의 투입이 요구되며 분석결과가 실험자의 주관적 판단에 의해 왜곡될 수 있다.
이번에 IBS 연구진은 인공지능(AI) 분석법인 비지도 학습(Unsupervised learning)으로 3차원 모션캡처 장비를 통해 추출한 동물의 3차원 움직임 정보를 분석, 동물행동을 정확히 분류할 수 있는 분석 프레임워크를 구현했다.
비지도 학습은 명시적인 결괏값(해답)이 없는 학습데이터로부터 인공지능이 스스로 데이터의 패턴과 구조, 특성을 찾아 유사성에 따라 클러스터로 묶어 분석하는 기법이다. 인간의 개입을 최소화하면서 편향없이 동물행동을 분석할 수 있는 장점이 있다.
연구진은 여러대의 카메라로 생쥐의 움직임을 촬영해 생쥐의 머리, 다리, 엉덩이 등 9개의 키포인트 좌표를 추출하고 시간에 따른 3차원 액션 스켈레톤 움직임 데이터를 얻었다.
이어 움직임의 시계열 데이터를 2차원으로 축소해 복잡한 데이터를 간결하고 의미있는 방식으로 표현할 수 있도록 '임베딩(Embedding)' 변환했다.
또 유사성이 높은 행동상태를 묶어 서브클러스터로 군집화하고 이 서브클러스터들을 다시 정형화된 행동패턴(Repertoires)을 나타내는 슈퍼클러스터로 군집화했다.
이 과정에서 연구진은 행동 데이터 클러스터를 평가하는 지표인 TPI(Temporal Proximity Index)를 새롭게 제시했다. 이 지표는 각각의 클러스터가 동일한 행동상태를 포함하고 효과적으로 시간적 움직임을 나타내는지를 측정할 수 있다.
연구진은 이 지표를 이용한 클러스터 평가로 행동분류에 최적화된 알고리즘들을 확보, 이들을 조합해 SUBTLE을 구현하는데 성공했다.
연구진이 개발된 SUBTLE로 생쥐의 움직임을 분석한 결과, 행동 데이터 슈퍼클러스터에서 뒷발로 서기, 네발로 걷기, 멈추기, 털 고르기 등 다양한 행동 패턴들을 정확히 구분하는게 확인됐다.
이는 기존 행동 분석방법 대비 약 2배 이상의 정확도며 인간이 직접 분류한 정밀도와 유사한 수준이다.
특히 SUBTLE은 그룹 비교 등 다양한 분석이 가능해 새끼 생쥐와 성체 생쥐 그룹 간 행동 데이터의 미묘한 차이까지 식별할 수 있고 팔굽혀펴기, 들어올리기, 밀기 등 인간의 동작도 정확히 구분할 수 있어 인간, 원숭이 등의 데이터에도 적용할 수 있다.
차미영 CI단장은 "동물행동 분류의 자동화를 돕는 평가지표와 벤치마크 데이터를 새롭게 제시한 것은 뇌과학과 데이터과학의 협력으로 이뤄낸 결실"이라며 "이 알고리즘이 동물의 움직임을 모방하는 로보틱스 산업을 비롯해 행동패턴 인식이 필요한 산업 전반에 유용하게 활용될 것으로 기대한다"고 말했다.
이번 SUBTLE 기술은 지난달 AI 기반 임상·비임상 행동시험 분석 회사 '액트노바'에 이전됐으며 연구 결과는 '국제컴퓨터비전학술지(International Journal of Computer Vision, IJCV)'에 지난 20일 온라인 게재됐다.
이창준 단장은 "인간의 행동패턴 인식 메커니즘을 적용해 인간의 개입을 최소화하면서도 동물의 복잡한 행동을 이해할 수 있는 효과적인 행동 분석 프레임워크를 개발했다"며 "산업적 응용 가능성이 클 뿐만 아니라 행동을 인지하는 뇌의 원리를 더 깊게 이해하는 도구로도 활용할 수 있을 것"이라고 밝혔다.
◎공감언론 뉴시스 [email protected]
