정규 속도 기반 위상 대비 현미경 영상 자동 세포 추적 프레임워크

초록

본 논문은 위상 대비 현미경 영상에서 세포를 자동으로 추적하기 위한 새로운 프레임워크를 제안한다. 광류(optical flow)에서 얻은 정상 속도(normal velocity) 정보를 이용해 위상 보존 변분 분할을 수행하고, 이후 활성 윤곽선과 라플라시안 기반 보정 단계로 형태 변화를 정밀하게 추적한다. MDCK‑F, 인간 흑색종 세포, 마우스 호중구 등 다양한 세포와 기질에 적용해 수동 추적과 비교 검증하였다.

상세 분석

이 연구는 위상 대비 현미경 영상의 특수성을 고려한 세포 추적 알고리즘을 설계함으로써 기존 방법들의 한계를 극복한다는 점에서 의미가 크다. 위상 대비 영상은 밝기 대비가 낮고, 세포 경계가 흐릿해 전통적인 임계값 기반 분할이 어려운데, 저자들은 먼저 광류를 계산해 각 픽셀의 정상 속도(법선 방향 성분)만을 추출한다. 정상 속도는 물체(세포)의 움직임을 경계 방향으로 강조하므로, 배경과의 구분이 명확해진다.

다음 단계에서는 변분 모델을 적용해 정상 속도 이미지에 토폴로지 보존 제약을 부여한다. 구체적으로, 레벨셋(level‑set) 함수를 이용해 세포 내부와 외부를 구분하고, 영역 분할 에너지에 평활화 항과 데이터 적합 항을 포함한다. 토폴로지 보존 제약은 세포가 분열·융합 등 복잡한 변형을 겪을 때도 불필요한 영역 병합이나 분할을 방지한다. 이는 특히 MDCK‑F 세포처럼 형태가 크게 변하는 경우에 유리하다.

하지만 정상 속도 기반 분할만으로는 세포 가장자리의 미세한 돌출부나 얇은 돌기 등을 정확히 포착하기 어렵다. 이를 보완하기 위해 저자들은 활성 윤곽선(active contour) 모델을 도입한다. 여기서는 이미지 라플라시안(∇²I)을 에너지 함수에 포함시켜, 경계가 급격히 변하는 영역을 강하게 끌어당긴다. 라플라시안은 위상 대비 영상에서 세포 내부와 외부의 경계가 미세하게라도 밝기 변화가 있는 부분을 강조하므로, 활성 윤곽선이 보다 정밀하게 세포 형태를 따라가게 된다.

알고리즘 흐름은 다음과 같다. (1) 입력 영상에 대해 전처리(노이즈 억제) 후 광류 계산, (2) 정상 속도 이미지 생성, (3) 토폴로지 보존 변분 분할로 초기 세포 마스크 획득, (4) 활성 윤곽선과 라플라시안 기반 보정으로 마스크 정제, (5) 각 프레임에서 마스크를 연결해 세포 궤적을 생성한다.

실험에서는 세 종류의 세포와 세 종류의 기질(플라스틱, 콜라겐, 피브로넥틴)에서 2‑D 위상 대비 영상을 촬영하고, 제안된 프레임워크를 적용했다. 결과는 수동으로 라벨링한 ‘골드 스탠다드’와 비교했을 때 평균 위치 오차가 2‑3 픽셀 수준이며, 세포 경계의 Dice 계수가 0.85 이상으로 높은 정확도를 보였다. 특히 세포 분열 이벤트에서 토폴로지 보존 제약이 효과적으로 작동해, 분열 전후의 두 세포를 정확히 구분하였다.

한계점으로는 광류 계산이 큰 움직임이나 흐릿한 영상에서는 불안정할 수 있다는 점, 그리고 활성 윤곽선 단계가 계산 비용이 높아 실시간 적용에 제약이 있다는 점을 들 수 있다. 향후 연구에서는 딥러닝 기반 광류 추정이나 GPU 가속을 통한 연산 최적화를 고려할 수 있다.

전반적으로 이 논문은 정상 속도와 토폴로지 보존 변분 모델을 결합한 새로운 세포 추적 파이프라인을 제시함으로써, 위상 대비 현미경 영상에서의 자동화된 장기 추적 및 형태 분석에 실용적인 솔루션을 제공한다.