정밀한 실시간 분할을 위한 사용자 가이드형 Refinement‑Cut 알고리즘

초록

본 논문은 의료 영상의 2D·3D 분할에 실시간 피드백을 유지하면서 사용자가 추가 시드 포인트를 자유롭게 배치해 어려운 경우에도 정확한 경계를 얻을 수 있도록 설계된 인터랙티브 세그멘테이션 알고리즘인 Refinement‑Cut을 제안한다.

상세 분석

Refinement‑Cut은 기존 Interactive‑Cut 프레임워크에 “시드 추가” 메커니즘을 결합한 하이브리드 방식이다. 기본 아이디어는 사용자가 하나의 초기 시드(객체 내부)를 지정하면, 해당 시드를 중심으로 방사형 레이(ray)를 뿌려 그래프를 구성하고, 각 레이상의 노드에 평균 회색값을 기반으로 가중치를 부여한다. 이후 최소 컷(min‑cut) 알고리즘을 적용해 전경·배경을 구분한다. 여기서 핵심 문제는 동질적인 조직 대비나 내부 잡음 등으로 평균 회색값이 객체 경계를 정확히 반영하지 못할 때이다. 이를 해결하기 위해 사용자는 필요에 따라 추가 시드를 객체 경계 근처에 배치한다. 추가 시드는 해당 레이와 인접 레이의 가중치를 재계산하게 하여, 최소 컷이 강제로 시드 위치를 통과하도록 제한한다. 이렇게 하면 그래프의 전역 최적화 과정에 지역적인 제약이 가해져, 기존 자동화된 그래프 분할이 놓치던 미세 경계까지 복원할 수 있다.

알고리즘의 실시간성을 확보하기 위해 레이 수와 노드 수를 단계적으로 조절한다. 논문에서는 30 ray × 30 node(≈900 노드)에서 30 ms, 300 ray × 30 node(≈9 000 노드)에서 100 ms 이하의 응답 시간을 보고한다. 이는 최신 노트북 및 스마트폰 터치스크린 수준의 지연에 해당한다. 그러나 3 000 ray × 30 node(≈90 000 노드)에서는 130 ms, 30 000 ray × 30 node(≈900 000 노드)에서는 1 s가 소요돼 실시간 피드백이 약간 저하된다. 따라서 실제 임상 적용에서는 레이·노드 파라미터를 9 000 노드 이하로 제한하는 것이 바람직하다.

다양한 임상 데이터(척추체 MRI, 직장 3T MRI, 복부 대동맥 CTA, 전립선 MRI)에서 2D·3D 실험을 수행했으며, 초기 시드만으로도 평균 DSC 80 %를 달성한다. 추가 시드를 5~10개 정도 삽입하면 전문가 수동 마스크와 거의 일치하는 95 % 이상 DSC를 얻을 수 있다. 특히 복잡한 형태(예: 혈관 내 혈전, 내막 파열)나 밝은 영역이 섞인 경우, 사용자가 직접 시드를 배치함으로써 그래프가 잘못된 경계로 흐르는 현상을 효과적으로 차단한다.

기존 인터랙티브 세그멘테이션 방법과 비교했을 때, Refinement‑Cut은 (1) 시드 추가에 따른 그래프 재구성이 매우 빠르고, (2) 사용자 입력이 최소(점 하나 혹은 몇 개)이며 직관적이라는 점에서 임상 현장의 워크플로우에 적합하다. 다만 현재는 점 형태 시드만 지원하므로, 선형 스케치 입력을 확대하면 더욱 풍부한 형태 정보를 제공할 수 있을 것으로 기대된다.