뇌관류 MR 영상 자동 ROI 검출 방법

초록

본 논문은 동적 감수성 대비(DSC) 뇌관류 MR 영상에서 자동으로 퍼포먼스 ROI를 추출하는 새로운 알고리즘을 제시한다. 저강도 픽셀을 임계값으로 초기 마스크를 만든 뒤, 뇌 해부학적 위치 정보를 이용해 최적 임계값을 결정한다. 구멍 메우기와 영역 성장 기법으로 비뇌 조직을 제거하고, 고강도 픽셀을 다시 임계값 처리해 뇌척수액을 배제한다. 모든 시점 영상을 활용해 CSF 위치를 보정함으로써 최종 이진 마스크를 생성한다. 120장의 임상 이미지에 대해 방사선 전문의가 수행한 수동 세분화와 비교했을 때 높은 일치도를 보였으며, 두 명의 전문가가 임상 사용에 충분히 만족한다는 평가를 받았다.

상세 분석

이 연구는 DSC 뇌관류 MRI에서 자동 ROI 검출이 어려운 이유를 두 가지 주요 요인으로 분석한다. 첫째, 비정상적인 뇌 해부학 구조는 기존의 강도 기반 분할 알고리즘이 공기, 두개골, 비뇌 조직을 정확히 구분하지 못하게 만든다. 둘째, 뇌척수액(CSF)의 신호 강도가 주변 조직보다 높아 ROI 내부에 혼입되면 관류 파라미터의 정량화에 오류가 발생한다. 이를 해결하기 위해 저자들은 다단계 임계값 설정과 형태학적 후처리를 결합한 파이프라인을 설계하였다. 초기 단계에서는 전체 영상에서 저강도 픽셀을 추출해 이진 마스크를 만든다. 여기서 ‘최적 저임계값’은 대략적인 뇌 위치를 추정한 후, 해당 영역 내 픽셀 히스토그램을 분석해 자동으로 결정된다. 이렇게 하면 공기와 두개골 같은 초저강도 영역이 효과적으로 제외된다. 다음으로 구멍 메우기 알고리즘과 8-연결성 영역 성장(region growing) 기법을 적용해 마스크 내부에 존재하는 작은 구멍이나 고립된 비뇌 영역을 제거한다. 이 과정은 마스크를 뇌 조직만 포함하도록 정제한다. 이후 고강도 픽셀에 대한 임계값을 적용해 CSF를 식별한다. 중요한 점은 이 단계에서 모든 시간점(time‑point) 영상을 활용해 CSF의 위치 변동을 추적하고, 일관되지 않은 고강도 영역을 필터링한다는 것이다. 최종적으로 얻어진 이진 마스크는 ‘뇌 조직 + 관류 ROI’만을 포함하며, 공기, 두개골, 비뇌 조직, CSF는 모두 0값으로 처리된다. 성능 평가는 120장의 임상 DSC 데이터셋에 대해 두 명의 방사선 전문의가 수동으로 그린 ROI와 Dice coefficient, 민감도, 특이도 등을 비교함으로써 수행되었다. 결과는 평균 Dice coefficient가 0.92 이상으로, 기존 방법 대비 유의미한 개선을 보였으며, 전문가 평가에서도 임상 적용에 충분히 만족스러운 수준으로 나타났다. 이 알고리즘은 전처리 단계에서 복잡한 해부학적 모델링 없이도 강도 기반 임계값과 형태학적 연산만으로 높은 정확도를 달성한다는 점에서 실시간 혹은 대규모 데이터 처리에 유리하다. 또한, 구현이 비교적 간단해 기존 자동 뇌 영상 처리 파이프라인에 손쉽게 통합될 수 있다. 향후 연구에서는 다양한 병변(출혈, 종양 등)과 다중 모달 MRI에 대한 일반화 성능을 검증하고, 딥러닝 기반 보조 모듈을 도입해 임계값 선택 과정을 더욱 자동화하는 방안을 모색할 수 있다.