CTA 기반 관상동맥 3D 재구성 및 플라크 분석

초록

본 연구는 컴퓨터 단층 촬영 혈관조영술(CTA) 영상을 이용해 관상동맥의 중격, 외벽 및 석회화 플라크를 자동에 가깝게 3차원으로 재구성하는 반자동 파이프라인을 제시한다. 전처리, 중심선 추출, 가중치 함수 추정, 루멘·외벽·플라크 분할, 3D 표면 생성의 일곱 단계로 구성되며, 전문가 수동 주석 및 최신 IVUS 기반 재구성과 비교해 Dice 0.749, Hausdorff 1.746 mm, 주요 임상 지표 상관계수 0.75~0.85의 성능을 보였다.

상세 분석

이 논문은 CTA 이미지에서 관상동맥과 석회화 플라크를 정밀하게 3D 모델링하기 위한 일련의 알고리즘을 체계적으로 제시한다. 첫 단계인 전처리에서는 잡음 억제와 강도 정규화를 수행해 이후 단계의 민감도를 높인다. 중심선 추출은 최소 비용 경로(Minimum Cost Path)와 혈관 트리 구조를 기반으로 하며, 이는 루멘과 외벽을 구분하는 기준이 된다. 가중치 함수는 lumen, outer wall, calcified plaque 각각에 대해 확률 밀도 함수를 추정해 픽셀/볼륨 단위의 소속 가능성을 수치화한다. 이때, Hounsfield Unit(HU) 분포를 이용해 정상 조직과 석회화 조직을 명확히 구분한다.

루멘 분할은 가중치 함수와 레벨셋(level set) 기법을 결합해 경계의 부드러움을 유지하면서도 작은 병변을 놓치지 않도록 설계되었다. 외벽 분할은 루멘 경계와 일정한 두께를 가정하는 것이 아니라, 가중치 함수에 기반한 에너지 최소화 문제로 정의해 동맥의 비대칭성 및 병변 부위의 변형을 반영한다. 플라크 검출은 석회화 영역에 특화된 임계값과 형태학적 후처리를 적용해 false positive를 최소화한다. 최종 3D 표면 생성은 marching cubes 알고리즘을 활용해 부드러운 메쉬를 생성하고, 각 구조별(루멘, 외벽, 플라크) 색상 및 투명도 매핑을 통해 시각화한다.

성능 평가는 두 축으로 진행되었다. 첫째, 전문가가 수동으로 만든 3D 라벨과의 겹침 정도를 Dice coefficient와 Hausdorff distance로 측정했으며, 평균 Dice 0.749와 Hausdorff 1.746 mm는 임상 수준의 정확성을 시사한다. 둘째, 최신 IVUS 기반 재구성 모델과 비교해 관상동맥 협착도, 플라크 부하, 최소 루멘 면적·직경 등 주요 지표의 Pearson 상관계수를 산출했으며, 0.75~0.85 사이의 높은 상관성을 보였다. 이는 CTA만으로도 IVUS와 동등한 정량적 정보를 제공할 수 있음을 의미한다.

하지만 몇 가지 한계점도 존재한다. 첫째, 석회화 플라크 외의 연부 플라크(지방성·섬유성) 검출은 가중치 함수 설계에 포함되지 않아 향후 확장이 필요하다. 둘째, 중심선 추출이 복잡한 분지 구조에서 오류가 발생할 경우 전체 재구성 품질이 저하될 가능성이 있다. 셋째, 현재는 최소 사용자 입력(시드 포인트 지정)만을 요구하지만, 자동 초기화 및 전역 최적화를 위한 딥러닝 기반 보조가 도입되면 더욱 견고한 파이프라인이 될 것이다. 전반적으로 이 연구는 CTA 기반 3D 혈관 재구성 분야에 실용적이고 확장 가능한 프레임워크를 제공하며, 향후 임상 워크플로우에 통합될 잠재력을 갖는다.