메다카 배아의 부레 자동 검출을 위한 아틀라스 기반 방법

초록

본 논문은 메다카 어류 배아의 2차원 이미지에서 부레를 자동으로 검출하는 방법을 제안한다. 배아를 먼저 분할한 뒤, 정상 배아의 해부학적 형태를 아틀라스로 구축하고 이를 기반으로 관심 영역을 정의한다. 이후 전역 최적 활성 컨투어를 이용해 부레 경계를 정확히 추출하고, 추출된 형태에서 여러 특징량을 계산한다. 이 특징량을 입력으로 하는 랜덤 포레스트 분류기를 학습시켜 부레 유무를 판별한다. 261장의 이미지(부레 존재 202장, 부레 결손 59장)로 검증한 결과, 5‑fold 교차 검증에서 평균 정밀도 95%를 달성하였다.

상세 분석

이 연구는 물고기 배아 모델을 활용한 독성·효능 평가에서 핵심적인 해부학적 지표인 부레의 존재 여부를 자동화하려는 시도이다. 먼저 배아 이미지를 전처리 단계에서 배경과 배아를 구분하는 세그멘테이션을 수행한다. 여기서 사용된 세그멘테이션 알고리즘은 명시되지 않았지만, 일반적인 색상·형태 기반 임계값 처리와 형태학적 연산을 조합했을 가능성이 높다. 중요한 점은 배아의 자세(등쪽·측면)를 사전에 구분하고, 각각에 대해 별도의 아틀라스를 구축한다는 점이다. 아틀라스는 정상 배아의 평균 형태와 위치 정보를 담은 템플릿으로, 이미지 정규화와 정합 과정에서 기준점(예: 머리·꼬리 끝)들을 사용해 스케일·회전 보정을 수행한다. 이렇게 정렬된 이미지에서 ROI(관심 영역)를 정의하면, 부레가 차지할 가능성이 높은 영역을 제한적으로 탐색할 수 있다.

부레 경계 추출에는 “discrete globally optimal active contour”(이산 전역 최적 활성 컨투어) 기법이 적용된다. 이는 전통적인 스네이크 모델을 이산화하고, 에너지 함수를 전역적으로 최소화함으로써 로컬 최소에 빠지는 문제를 회피한다. 에너지 함수는 내부 에너지(곡률·탄성)와 외부 에너지(이미지 강도·그라디언트)로 구성되며, 부레와 주변 조직 간의 명암 차이를 활용한다. 전역 최적화를 위해 다이내믹 프로그래밍이나 그래프 컷 기반 알고리즘이 사용될 가능성이 있다.

경계가 확보되면, 부레의 형태·크기·위치 등을 정량화하는 여러 디스크립터가 계산된다. 예를 들어, 부피(면적) 비율, 형태 지수(원형도, 타원도), 경계 강도 평균·표준편차, ROI 내 픽셀 강도 히스토그램 등이 포함될 수 있다. 이러한 디스크립터는 부레가 존재하지 않을 때는 거의 0에 가깝거나 비정상적인 값들을 보이게 된다.

다음 단계는 머신러닝 분류기로, 랜덤 포레스트를 선택한 이유는 다수의 디스크립터가 서로 상관관계가 낮고, 비선형 관계를 효과적으로 포착할 수 있기 때문이다. 5‑fold 교차 검증을 통해 모델의 일반화 성능을 평가했으며, 평균 정밀도 95%는 높은 정확도를 의미한다. 특히, 등쪽(view dorsal) 이미지가 대부분을 차지했음에도 불구하고, 측면(view lateral) 이미지에서도 일정 수준의 검출이 가능함을 보여준다.

한계점으로는 데이터 불균형(등쪽 196 vs 측면 6, 결손 측면 16)과 소수의 측면 이미지로 인한 일반화 위험이 있다. 또한, 아틀라스 구축 과정이 정상 배아에 의존하기 때문에, 변형이 심한 병리학적 배아에 대해서는 성능 저하가 예상된다. 향후 연구에서는 더 다양한 자세와 종을 포함한 대규모 데이터셋 구축, 딥러닝 기반 세그멘테이션 및 특징 학습, 그리고 실시간 분석 파이프라인 구축이 필요하다.