다중 스케일 에지 검출과 타원형 파라메트릭 모델을 이용한 옵토아쿠스틱 이미지 경계 분할

초록

본 논문은 소형 동물의 인비보 옵토아쿠스틱 영상에서 조직과 배경을 자동으로 구분하기 위해, 다중 스케일 에지 흐름(edge‑flow) 기반 에지 검출과 스케일‑종속 형태학적 정제, 그리고 타원형 파라메트릭 모델을 이용한 곡선 피팅을 결합한 새로운 세그멘테이션 파이프라인을 제안한다. Dice 계수를 이용한 적합도 평가에서 0.90 이상을 달성하며, 인간 개입을 최소화한다.

상세 분석

이 연구는 옵토아쿠스틱 톰그래피(OAT) 영상의 특수성을 고려한 맞춤형 경계 검출 프레임워크를 설계한 점에서 의미가 크다. 기존의 Sobel·Canny 등 단일 스케일 기법은 잡음과 제한된 시야에 취약했으나, 저자들은 다중 스케일 에지 흐름(edge‑flow) 알고리즘을 변형하여 미세 스케일에서 초기 에지를 추출하고, 점진적으로 코어스 스케일로 이동하면서 동일한 방향 전환을 보이는 에지를 강화한다. 여기서 핵심은 anisotropic diffusion을 통해 에지 보존을 유지하면서 잡음을 억제하고, 스케일‑종속 형태학적 연산(erosion·closing)으로 스푸리어스 에지를 제거한 뒤, 서브픽셀(Δs=0.5) 샘플링을 적용해 정밀한 에지 위치를 확보한 것이다.

다음 단계에서는 검출된 에지 픽셀들의 중심점(centroid)을 추출하고, median filter 기반 아웃라이어 제거 후 최소 경계 타원(minimum bounding ellipse) 혹은 원(minimum bounding circle)을 피팅한다. 파라메트릭 모델 선택에 있어 타원을 사용한 이유는 생물학적 조직이 비대칭적 형태를 띠는 경우가 많아 유연한 적합이 가능하기 때문이다. 피팅 품질은 Dice coefficient(DM)와 Rand Index(RI)로 정량화했으며, DM≥0.7을 ‘양호’ 기준으로 삼아 반복적인 스케일 탐색과 형태학적 정제를 통해 최적의 GoF(Goodness of Fit)를 자동으로 찾는다.

실험에서는 30개의 데이터셋(뇌, 간, 신장/비장) 중 12개를 정밀 평가에 사용했으며, 다중 스케일(특히 s=2)에서 가장 높은 DM(0.90~0.96)을 기록했다. 특히, 기존 Sobel 기반 단일 스케일 대비 에지 연속성 및 경계 명확성이 크게 개선되었으며, 형태학적 후처리로 인해 조직 외부의 잡음 에지가 효과적으로 억제되었다. 한계점으로는 신장/비장 영역에서 아웃라이어 제거가 과도하게 진행되어 DM이 약간 감소한 사례가 보고되었으며, 파라메트릭 모델이 타원 하나에 국한돼 복잡한 다중 구조를 가진 경우에는 추가적인 분할 전략이 필요할 것으로 보인다. 전반적으로 이 논문은 OAT 영상의 저해상도·노이즈 문제를 다중 스케일 에지 흐름과 파라메트릭 피팅으로 해결한 혁신적인 접근을 제시한다.