두 개 투영만으로 CT 이미지 복원

초록

본 논문은 컴퓨터 단층 촬영(CT)에서 극히 제한된 투영 수만을 이용한 영상 복원 문제를 다룬다. 주요 목적은 수평 및 수직 두 개의 투영만으로는 문제의 불안정성이 매우 커, 역라돈 변환 기반의 해석적 방법이나 최소제곱·정규화와 같은 대수적 방법으로는 만족스러운 결과를 얻을 수 없음을 입증하는 데 있다. 이를 증명하기 위해 두 개 투영을 이용한 복원 사례를 상세히 분석하고, 복합 마르코프 모델링과 베이지안 추정 프레임워크를 적용하면 실용적인 해법을 제시할 수 있음을 보여준다. 교육 및 시연 목적을 위해 MATLAB 프로그램을 제공하여 결과를 실시간으로 확인할 수 있다.

상세 요약

CT 영상 복원은 일반적으로 다수의 투영 데이터를 수집하고, 이를 역라돈 변환이나 대수적 재구성 알고리즘에 투입함으로써 원본 단면을 복원한다. 그러나 투영 수가 극히 제한될 경우, 즉 두 개의 수평·수직 투영만을 이용하는 상황에서는 문제 자체가 심각한 ‘ill‑posed’ 특성을 띈다. 첫째, 라돈 변환은 무한히 많은 각도에서의 투영을 전제로 하여 각 투영이 서로 보완적인 정보를 제공한다. 두 개의 직교 투영만으로는 공간 주파수의 대부분을 샘플링하지 못하므로, 재구성된 이미지에 고유한 무수히 많은 해가 존재한다. 이러한 다중 해는 전통적인 해석적 방법(예: 필터드 백프로젝션)이나 최소제곱 기반 대수적 방법으로는 선택될 수 없으며, 정규화 파라미터를 조정하더라도 잡음 억제와 해상도 복원 사이의 트레이드오프가 극단적으로 불리하게 작용한다.

두 번째로, 정규화 이론은 사전 정보(prior)를 통해 해의 유일성을 강제한다. 하지만 일반적인 Tikhonov 정규화나 TV(총 변동) 정규화는 이미지의 전반적인 매끄러움이나 경계 보존을 목표로 할 뿐, 실제 물리적 구조가 갖는 이산적·계층적 특성을 충분히 반영하지 못한다. 따라서 제한된 투영으로부터 얻은 불완전한 데이터에 이러한 일반적 사전 정보를 적용하면, 과도한 평활화 혹은 인공적인 에지 생성과 같은 부작용이 나타난다.

본 논문이 제안하는 해결책은 복합 마르코프 모델링과 베이지안 추정 프레임워크를 결합하는 것이다. 마르코프 랜덤 필드(MRF)는 픽셀 간의 공간적 상관관계를 확률적으로 모델링함으로써, ‘같은 물질 영역 내에서는 값이 유사하고, 경계에서는 급격히 변한다’는 가정을 정량화한다. 특히 복합 마르코프 모델은 여러 레벨(예: 배경, 조직, 병변)과 그 전이 확률을 동시에 고려하여, 제한된 투영 데이터가 제공하는 정보와 사전 구조 정보를 효율적으로 융합한다. 베이지안 추정에서는 사후 확률을 최대화하는 MAP(Most A Posteriori) 혹은 기대값을 구하는 MMSE(Minimum Mean Square Error) 방법을 사용해 최적 해를 도출한다. 이 과정에서 하이퍼파라미터(노이즈 분산, 마르코프 전이 확률 등)는 에밀리-맥스(E‑M) 알고리즘이나 변분 베이지안 기법으로 자동 추정될 수 있어, 사용자가 직접 파라미터를 튜닝할 필요가 크게 감소한다.

실험 결과는 MATLAB 기반 시뮬레이션을 통해 시연되며, 두 개 투영만으로도 원본 이미지의 주요 구조와 경계를 어느 정도 복원할 수 있음을 보여준다. 비록 완전한 해상도를 기대하기는 어렵지만, 기존 방법에 비해 잡음에 대한 강인성 및 구조 보존 능력이 현저히 향상된다. 이러한 접근은 교육용 데모뿐 아니라, 방사선량을 최소화해야 하는 저선량 CT, 이동 제한이 큰 현장 촬영, 혹은 실시간 영상 가이드가 요구되는 인터벤션 분야에서도 활용 가능성을 시사한다.

요약하면, 투영 수가 극소인 상황에서는 전통적 재구성 기법이 근본적인 한계에 부딪히지만, 복합 마르코프 베이지안 모델링은 사전 지식을 정교하게 반영함으로써 실용적인 복원 해를 제공한다. 향후 연구는 모델의 복잡도 감소, 고속 최적화 알고리즘 개발, 그리고 실제 임상 데이터에 대한 검증을 통해 실용성을 더욱 강화할 필요가 있다.