뇌종양 반자동 분할을 위한 유연한 3D 그래프 기반 방법

초록

본 논문은 등급 IV 교모세포종(GBM) MRI 영상을 대상으로, 구형 물체 전용 3차원 그래프를 생성하고 최소 비용 폐집합을 s‑t 컷으로 찾는 반자동 분할 기법을 제안한다. 사용자는 추가 시드 포인트를 자유롭게 지정해 회색값과 기하학적 제약을 제공할 수 있다. 12개의 임상 데이터셋에서 수동으로 만든 기준 경계와 비교했을 때, 단일 클릭 방식 대비 평균 Dice 계수가 각각 77.72%와 83.91%로 향상되었다.

상세 분석

이 연구는 기존의 완전 자동 혹은 전통적인 반자동 뇌종양 분할 방법이 갖는 두 가지 한계를 보완한다. 첫째, 구형 혹은 구형에 근접한 종양 형태에 특화된 그래프 구조를 설계함으로써, 복잡한 해부학적 변이를 모두 포괄하려는 시도보다 계산 효율성을 크게 높였다. 구체적으로, 각 픽셀(또는 부피 픽셀)을 정점으로 하고, 인접 정점 간에 가중치를 부여한 방향성 3D 그래프를 구성한다. 가중치는 주로 회색도 차이와 공간적 거리로 정의되며, 이는 종양과 정상 조직 사이의 경계 강도를 정량화한다.

둘째, 최소 비용 폐집합(min‑cut) 문제를 s‑t 컷 알고리즘으로 해결한다는 점이다. 이 접근법은 다항 시간 복잡도를 보장하므로, 대용량 3D MRI 데이터에서도 실시간에 가까운 처리 속도를 기대할 수 있다. 특히, 그래프 컷은 전역 최적해를 제공하므로 지역 최소값에 빠지는 위험이 적다.

사용자 인터랙션 측면에서는 임의 개수의 추가 시드 포인트를 허용한다. 이러한 시드 포인트는 두 가지 역할을 수행한다. 첫째, 해당 위치의 회색값 통계를 그래프 가중치에 반영해 경계 추정을 보강한다. 둘째, 시드가 위치한 정점들을 강제로 전경 혹은 배경에 연결함으로써 기하학적 제약을 부여한다. 이는 특히 종양이 비대칭적이거나 주변 조직과 회색도 차이가 미미한 경우에 유용하다.

실험은 12개의 다기관 MRI 데이터셋을 대상으로 수행되었으며, 모든 데이터는 신경외과 전문의가 수동으로 그린 경계(ground truth)와 비교되었다. 평가 지표는 Dice Similarity Coefficient(DSC)와 평균 표면 거리(Mean Surface Distance) 등을 사용했으며, 제시된 반자동 방법은 단일 클릭 방식에 비해 DSC가 평균 6.19%p 상승하였다(77.72% → 83.91%). 또한, 평균 표면 거리는 약 1.2 mm에서 0.8 mm로 감소해 경계 정확도가 눈에 띄게 향상된 것을 확인했다.

한계점으로는 구형에 가까운 종양에 최적화된 구조이므로, 불규칙하거나 침윤성이 강한 종양에 대해서는 성능 저하가 예상된다. 또한, 시드 포인트를 추가하는 과정이 완전 자동화와는 거리가 멀어, 사용자의 전문성에 따라 결과 변동성이 존재한다. 향후 연구에서는 비구형 종양을 위한 그래프 토폴로지를 확장하고, 딥러닝 기반 사전 예측 모델과 결합해 시드 자동 생성 방안을 모색할 수 있다.