자동 뇌 영역 분할을 위한 CT 영상 처리 알고리즘

초록

본 논문은 CT 두부 영상에서 뇌(두개강) 영역을 빠르고 자동으로 분할하기 위한 방법을 제안한다. Hounsfield Unit 기반 임계값 설정, 방사선과 두개골 교차 검출, 특수 이진 침식 및 슬라이스별 연결 요소 분석을 결합하여 높은 정확도와 처리 속도를 달성한다.

상세 분석

이 연구는 임상 및 연구 현장에서 CT 기반 뇌 영상 분석의 전처리 단계로서 두개강 영역을 정확히 추출하는 것이 필수적이라는 점에 착안하였다. 기존 방법들은 주로 복잡한 형태학적 연산이나 3차원 모델링에 의존해 연산 비용이 높고, 종종 골격 구조의 변형이나 병변에 민감하게 반응한다는 한계를 가지고 있었다. 저자들은 이러한 문제를 해결하기 위해 세 가지 핵심 아이디어를 도입하였다. 첫째, Hounsfield Unit(HU) 값에 기반한 전역 임계값을 사용해 골격과 연부 조직을 초기 분리한다. 일반적인 두개골은 300~2000 HU 범위에 위치하므로, 이 범위를 초과하거나 미만인 픽셀을 각각 골격 후보와 비골격 후보로 구분한다. 둘째, 방사선(ray)과 두개골 교차점을 이용해 실제 두개강 내부에 포함되는 voxel을 식별한다. 각 슬라이스에서 중심점(보통 이미지 중앙)으로부터 360도 방향으로 방사선을 발사하고, 첫 번째 골격 픽셀을 만나는 지점을 경계로 설정함으로써 외부 잡음이나 비정상적인 골 구조에 대한 견고성을 확보한다. 셋째, 특수 이진 침식 연산을 적용해 경계선의 미세한 틈새를 메우고, 슬라이스별 연결 요소 분석을 통해 가장 큰 연속 영역을 최종 두개강 마스크로 선택한다. 이 과정은 2차원 슬라이스 단위로 수행되므로 메모리 사용량이 적고, 병렬 처리에 유리하다. 실험 결과는 공개된 여러 CT 데이터셋에서 평균 Dice coefficient가 0.96 이상이며, 처리 시간은 평균 0.8초(한 슬라이스당)로 실시간 응용에 충분함을 보여준다. 또한, 병변(출혈, 종양 등)이 존재하는 경우에도 경계 검출이 크게 손상되지 않아 임상적 신뢰성을 확보한다. 이 알고리즘은 파라미터가 거의 없고 구현이 간단해 다양한 의료 영상 파이프라인에 손쉽게 통합될 수 있다.