다중스케일 나카가미 파라메트릭 영상으로 간암 위치 정확도 향상

본 연구는 초음파 영상에서 조직의 미세구조를 정량적으로 파악하기 위한 나카가미 파라메트릭 이미징 기법을 개선하고자 한다. 나카가미 분포는 초음파 RF 신호의 엔벨로프 강도를 모델링하는 두 파라미터(형태 µ, 스케일 ω)로 구성되며, µ 값에 따라 전‑Rayleigh, Rayleigh, 후‑Rayleigh 등 다양한 산란 상태를 표현한다. 기존 연구에서는 고정된 크기의 윈도우를 사용해 로컬 µ를 추정했지만, 윈도우 크기가 조직의 이질성에 맞지 않을 경우 추정 편차가 커지거나 경계가 흐려지는 문제가 있었다. 이를 해결하기 위해 저자는 “다중스케일 커널 로컬라이제이션(MKL)”이라는 새로운 접근법을 제안한다. 핵심 아이디어는 각 픽셀(또는 복셀)마다 여러 크기의 커널을 적용하고, 각 스케일에서 나카가미 분포의 µ와 ω를 최대우도 추정(MLE)으로 계산한 뒤, 추정된 파라미터들의 적합도를 RMS 오차로 평가한다. 최종 파라미터는 가장 적합도가 높은 스케일을 선택하거나, 여러 스케일의 결과를 가중 평균해 결정한다. 수식 (1)에서는 가변 커널의 가로·세로 반경 a, b를 정의하고, m·n은 스케일 인덱스를 나타낸다. 이를 통해 이미지 전체에 대해 다양한 크기의 윈도우가 동시에 적용되며, 각 픽셀 주변의 조직 특성에 맞는 최적의 스케일이 자동으로 선택된다. MLE 단계에서는 나카가미 확률밀도함수 N(x|µ,ω)=2(µ/ω)^µ /Γ(µ)·x^{2µ‑1}·exp(-µx²/ω) 를 사용해 로그우도 함수를 최대화함으로써 µ와 ω를 동시에 추정한다. 실험은 두 부분으로 나뉜다. 첫 번째는 Brodatz 텍스처를 기반으로 만든 11개의 시뮬레이션 스펙클 이미지이다. 각 텍스처는 조직의 산란 특성을 모사하도록 설계되었으며, 미세(고밀도)부터 거친(저밀도)까지, 그리고 무작위에서 주기적 배열까지 다양한 패턴을 포함한다. 두 번째는 실제 임상에서 촬영한 4 MHz 초음파 장비(z.one, Zonare)로 얻은 간암 B‑mode 영상이다. 두 데이터 모두 RF 엔벨로프를 그대로 사용해 전처리 없이 나카가미 파라메트릭 이미지를 생성하였다. 비교 대상은 기존의 GKF(가우시안 커널 함수)와 WMC(윈도우‑모듈레이션 합성) 방식이다. GKF는 작은 고정 윈도우에 가우시안 커널을 적용해 매끄러운 추정을 시도하고, WMC는 여러 크기의 윈도우를 합성해 파라미터를 평균한다. 표 1의 평균 절대 오차(MAE) 결과는 대부분의 텍스처에서 MKL이 0.04~0.07 수준으로 가장 낮은 오차를 보이며, 특히 복합적인 조직(D30, D57)에서도 안정적인 µ 추정을 제공한다. 실제 간암 영상에서는 MKL이 종양 주변의 스펙클 대비를 크게 향상시켰다. 그림 2‑d에서 보듯이, 종양 부위의 µ 파라미터가 주변 정상 조직보다 뚜렷하게 상승하여, 저대조도 B‑mode 이미지에서도 종양 경계가 시각적으로 강조된다. 이는 다중스케일 커널이 충분한 샘플을 확보하면서도 불필요한 주변 조직을 배제해 파라미터 추정의 신뢰성을 높였기 때문이다. 논문은 또한 한계점을 논의한다. 매우 균일한 텍스처(D57)에서는 다중스케일 접근이 오히려 파라미터 변동성을 증가시킬 수 있다. 또한 혈관, 담관 등 비종양 구조가 이미지에 포함될 경우, 로컬 파라미터가 혼합되어 경계가 흐려지는 위험이 있다. 이러한 문제를 해결하기 위해 향후 연구에서는 조직학적 사전 지식을 활용한 커널 선택 기준을 도입하거나, 딥러닝 기반 어텐션 메커니즘을 결합해 자동으로 최적 스케일을 결정하는 방안을 제시한다. 결론적으로, 다중스케일 가변 커널을 이용한 나카가미 파라메트릭 영상은 초음파 기반 간암 탐지에서 기존 고정 윈도우 방식보다 높은 정밀도와 시각적 대비를 제공한다. 안정적인 파라미터 추정과 향상된 종양 경계 시각화는 임상의사에게 중요한 보조 정보를 제공하며, 향후 자동 종양 분할 및 정량적 치료 반응 평가에도 활용될 수 있을 것으로 기대된다.