동적 전장 OCT의 움직임 아티팩트 제거와 신호 강화 기술

본 논문은 동적 전장 OCT(D‑FFOCT)의 핵심 한계인 움직임 아티팩트와 얕은 침투 깊이를 동시에 해결하기 위한 두 가지 새로운 알고리즘을 제시한다. 첫 번째는 특이값 분해(SVD)를 이용한 움직임 아티팩트 제거 방법이다. D‑FFOCT는 수백 개의 연속 프레임을 촬영해 각 픽셀의 시간적 변동을 분석함으로써 세포 내부의 미세 움직임을 시각화한다. 그러나 임상 환경에서는 건물 진동, 사람의 움직임, 에어컨 등으로 인해 샘플 전체가 코히런스 볼륨을 벗어나면서 전역 위상 변동이 발생한다. 이러한 변동은 고반사 조직에서 강한 신호를 만들어 실제 세포 신호를 가린다. 저자는 3차원 데이터 큐브 M(x,y,t)를 2차원 행렬 M_u(r,t)로 펼친 뒤 SVD를 수행한다. SVD는 M_u = U Σ V^T 로 분해되며, 여기서 V는 시간 고유벡터, U는 공간 고유벡터, Σ는 특이값이다. 실험적으로 움직임 아티팩트가 포함된 데이터에서는 상위 몇 개의 시간 고유벡터가 높은 제로 교차율(zero‑crossing rate)과 급격한 변화를 보인다. 저자는 제로 교차율의 절대 변화량(D‑ZRC)을 계산하고, 평균보다 3표준편차 이상인 고유벡터를 아티팩트로 판단한다. 해당 특이값을 0으로 설정하고 재구성된 행렬 ˆM_u를 다시 3차원 형태로 복원한 뒤, 기존의 표준편차 기반 동적 이미지 계산을 수행한다. 이 과정은 완전 자동화가 가능하며, 부분 영역에만 적용해 메모리 사용량을 최소화할 수 있다. 결과적으로 SVD 필터링은 콜라겐 섬유와 같은 고반사 구조에서 발생한 인위적 진동을 효과적으로 억제하고, 세포 수준의 미세 구조를 명확히 드러낸다. 두 번째는 누적합(cumulative sum) 연산을 이용한 신호 강화 방법이다. 기존 D‑FFOCT는 각 픽셀의 시간적 표준편차를 직접 계산해 동적 이미지를 만든다. 그러나 잡음이 중심이 0인 가우시안 분포를 따를 경우, 누적합은 브라운니안 브릿지 형태를 보여 중앙에서 최대값이 작고 부호가 자주 바뀐다. 반면 실제 세포 내부의 비정상적인 움직임(예: 일정한 속도로 이동하는 입자)은 평균에 편향을 만들고, 누적합은 선형 기울기를 가지며 중앙에서 큰 절대값을 유지한다. 저자는 각 픽셀의 신호를 중심화한 뒤 누적합을 계산하고, 그 절대값을 동적 이미지로 사용한다. 이 방법은 비정상적인 신호를 강조하면서 잡음은 평균에 가까운 0값으로 수렴하게 하여 신호‑대‑잡음비(SNR)를 평균 3배 향상시킨다. 특히 80 µm 깊이까지의 인‑비보(생체 내) 영상에서 세포 구조가 뚜렷이 보이며, 기존 방법으로는 탐지되지 못했던 깊은 조직까지 확장한다. 임상 적용 사례로는 두 가지가 제시된다. 첫 번째는 LightCT 상업용 시스템을 이용해 폐 생검 조직을 촬영한 경우이다. 이 환경은 기계 진동과 에어컨 소음으로 인해 심한 움직임 아티팩트가 존재했으며, 원본 D‑FFOCT 이미지에서는 콜라겐 섬유가 강하게 나타나 세포를 가렸다. SVD 필터링 후 콜라겐 섬유가 제거되고, 암세포 형태가 명확히 드러나 진단에 유용한 정보를 제공한다. 두 번째는 마우스 간을 80 µm 깊이에서 촬영한 인‑비보 실험이다. 누적합 기반 처리 후 세포 내부 구조와 움직임이 뚜렷이 보였으며, 이는 기존 표준편차 기반 방법으로는 불가능했던 깊이와 해상도를 달성한 것이다. 결론적으로, 저자는 SVD 기반의 적응형 움직임 아티팩트 제거와 누적합을 이용한 비정상 신호 강조라는 두 축을 결합해 D‑FFOCT의 실용성을 크게 확대하였다. 자동화된 고유벡터 선택 기준과 메모리 효율적인 부분 영역 처리 방식은 임상 현장에서 실시간 적용 가능성을 높이며, 향후 OCT‑A와 같은 다른 동적 광학 영상에도 확장될 여지를 제공한다.