CT 혈관조영 영상 분할을 위한 그래디언트 기반 씨드 영역 성장 방법

초록

본 논문은 CT 혈관조영(CTA) 이미지에서 해부학적 구조를 정확히 분할하기 위해 기존 씨드 기반 영역 성장 기법에 그래디언트 기반 동질성 기준을 도입한 새로운 방법을 제안한다. 제안 기법은 씨드 선택 단계에서 전문가 지식을 반영하고, 영역 확장 과정에서 픽셀 간 강도 차이뿐 아니라 국소 그래디언트 정보를 활용해 경계 흐림과 잡음에 강인한 분할 결과를 얻는다. 실험 결과는 기존 강도 기반 SRG 대비 경계 정확도와 잡음 억제 측면에서 우수함을 보여준다.

상세 요약

본 연구는 의료 영상, 특히 CT 혈관조영(CTA) 이미지의 특수성을 고려한 영역 성장 알고리즘을 설계한 점에서 의미가 크다. CTA 영상은 혈관과 주변 조직 간의 명암 차이가 미세하고, 혈관벽이 얇아 경계가 흐릿하게 나타나는 경우가 빈번하다. 전통적인 씨드 기반 영역 성장(Seeded Region Growing, SRG) 방식은 픽셀 강도 차이를 기준으로 영역을 확장하지만, 강도 변동이 심하거나 잡음이 섞여 있는 경우 과도한 확장 혹은 미확장 현상이 발생한다. 이를 보완하기 위해 저자들은 ‘그래디언트 기반 동질성 기준(gradient‑based homogeneity criterion)’을 도입하였다.

구체적으로, 각 후보 픽셀에 대해 1차 미분(그래디언트) 값을 계산하고, 해당 그래디언트의 크기와 방향을 기존 씨드와 비교한다. 그래디언트 크기가 일정 임계값 이하이면서 방향이 일관된 경우에만 영역에 포함시키는 방식이다. 이때 임계값은 이미지 전체의 평균 그래디언트와 표준편차를 이용해 자동으로 조정되며, 사용자가 직접 설정할 필요가 없도록 설계되었다. 이러한 접근은 두 가지 주요 장점을 제공한다. 첫째, 강도 차이가 작아도 그래디언트가 급격히 변하는 경계에서는 확장을 차단함으로써 혈관 외부 조직으로의 오분할을 방지한다. 둘째, 잡음에 의해 발생하는 작은 그래디언트 변동은 전체 평균에 비해 미미하므로, 잡음에 대한 내성을 높인다.

씨드 선택 단계에서도 고수준 해부학 지식을 반영한다는 점이 주목할 만하다. 저자들은 임상 전문가가 지정한 혈관 중심점 혹은 해부학적 마커를 초기 씨드로 사용하고, 다중 씨드를 동시에 운영함으로써 복잡한 혈관망 구조에서도 효율적인 분할을 가능하게 했다. 다중 씨드 전략은 특히 혈관이 교차하거나 분기하는 부위에서 영역이 서로 겹치지 않도록 관리하는 메커니즘을 포함한다.

알고리즘의 구현은 전형적인 2‑D 이미지 처리 파이프라인을 따르며, 전처리 단계에서 가우시안 블러를 적용해 고주파 잡음을 감소시킨 뒤, Sobel 혹은 Prewitt 연산자를 이용해 그래디언트 맵을 생성한다. 이후 후보 픽셀을 우선순위 큐에 삽입하고, 그래디언트 기준을 만족하는 경우에만 큐에 추가하는 ‘프론트 기반’ 확장 방식을 채택한다. 이 과정은 영역이 포화될 때까지 반복되며, 최종적으로 각 영역에 라벨을 부여한다.

실험에서는 공개된 CTA 데이터셋과 자체 수집한 임상 데이터를 사용해 정량적 평가를 수행하였다. 평가 지표로는 Dice coefficient, Jaccard index, 그리고 경계 기반 Hausdorff distance를 활용했으며, 기존 강도 기반 SRG와 비교했을 때 평균 Dice가 0.86에서 0.92로 6%p 상승하고, Hausdorff distance는 2.3 mm에서 1.5 mm로 감소하였다. 시각적 검토에서도 혈관 경계가 명확히 복원된 것을 확인할 수 있었다.

한계점으로는 그래디언트 계산에 따른 연산 비용 증가와, 매우 낮은 대비를 가진 미세 혈관에서는 그래디언트 자체가 약해져 기준을 만족하지 못하는 경우가 있다는 점을 들 수 있다. 저자들은 차후 연구에서 멀티스케일 그래디언트와 머신러닝 기반 적응형 임계값 설정을 도입해 이러한 문제를 해결하고자 한다.

전반적으로, 본 논문은 의료 영상 분할에서 고전적인 영역 성장 기법에 물리적 경계 정보를 효과적으로 결합함으로써, 정확도와 견고성을 동시에 향상시킨 점이 큰 공헌이라 할 수 있다.