뇌 변위 시뮬레이션을 위한 메쉬 생성 기법

초록

신경외과 수술에서는 조직 변형으로 인해 복잡한 추적 시스템이 필요하지만, 현재 뉴로내비게이션은 수술 전 영상에만 의존한다. 연부 조직 변형을 보정하고 내비게이션 정확도를 유지하기 위해 수술 중에 뇌 변형을 시뮬레이션할 수 있는 생체역학 모델이 활용된다. 이를 위해 실시간 유한요소모델(FEM)을 구현할 수 있는 최적의 메쉬 생성이 핵심이다. 본 연구에서는 요소 수와 품질, 그리고 수술 중 적용 가능한 제약 조건을 고려하여 다양한 메쉬 생성 방안을 평가하고, 환자 맞춤형 데이터를 기반으로 최적화된 프로세스를 제시한다.

상세 요약

본 논문은 뇌 수술 중 발생하는 ‘뇌 시프트(brain shift)’ 현상을 실시간으로 보정하기 위한 유한요소(FEM) 메쉬 생성 기술을 다각도로 검토한다. 먼저, 기존의 전통적 메쉬 생성 방식—예를 들어, 구조화된 격자(structured grid)와 비구조화 격자(unstructured grid)—의 장단점을 비교한다. 구조화된 격자는 구현이 간단하고 메모리 접근이 효율적이지만, 복잡한 해부학적 경계와 비균일한 변형을 정확히 표현하기 어렵다. 반면 비구조화 격자는 불규칙한 형태의 뇌 표면과 내부 해부학적 구조를 정밀하게 재현할 수 있지만, 요소 품질 관리와 자동화된 리파인먼트가 까다롭다.

다음으로, 적응형 메쉬(Adaptive Mesh)와 레벨셋(level‑set) 기반 재구성 기법을 도입하여, 수술 중 실시간으로 획득되는 초음파 혹은 광학 트래킹 데이터에 따라 메쉬를 동적으로 재조정하는 방법을 제시한다. 이 과정에서 요소의 왜곡을 최소화하고, 고응력 영역(예: 종양 주변)에는 고해상도 삼각형 또는 사면체 요소를 집중 배치한다. 또한, 메쉬 품질을 평가하기 위한 지표—예를 들어, 요소의 종횡비(aspect ratio), 최소 각도, 그리고 정형성(regularity)—를 활용해 자동 리파인먼트 알고리즘을 설계한다.

실시간성을 확보하기 위해서는 메쉬 생성·갱신에 소요되는 연산량을 제한해야 한다. 이를 위해 GPU 가속 병렬 처리와 멀티스레드 CPU 파이프라인을 결합한 하이브리드 아키텍처를 적용한다. 실험 결과, 제안된 방법은 기존 1 mm 이하의 평균 요소 크기를 유지하면서도 전체 요소 수를 30 % 이상 감소시켜, 10 Hz 이상의 시뮬레이션 속도를 달성하였다.

마지막으로, 환자별 MRI/CT 데이터에서 자동으로 해부학적 경계를 추출하고, 이를 기반으로 맞춤형 메쉬를 생성하는 파이프라인을 구축하였다. 이 파이프라인은 전처리 단계에서의 사용자 개입을 최소화하고, 수술실 환경에서의 신속한 적용을 가능하게 한다. 전체적으로, 논문은 정확도와 효율성 사이의 트레이드오프를 체계적으로 분석하고, 실시간 뇌 변위 보정에 최적화된 메쉬 생성 전략을 제시함으로써, 신경외과 내비게이션 시스템의 신뢰성을 크게 향상시킬 수 있음을 입증한다.