심장 영상으로 측정하는 현장 심장 운동학 파라미터

초록

본 논문은 개흉 수술 중 실시간으로 촬영한 심장 영상을 이용해 국소·전반적인 심장 운동학 파라미터를 자동 추출하는 새로운 비접촉 영상 분석 기법을 제시한다. 영상에 임시 마커를 부착하고, 맞춤형 알고리즘으로 수축 궤적, 변위, 속도, 가속도, 운동에너지 및 힘을 계산한다. 또한 Particle Image Velocimetry(PIV)를 활용해 전반적인 심장 표면의 속도와 와류를 정량화한다. 래트 모델의 컴퓨터 시뮬레이션, 허혈·재관류 쥐 심장 영상, 관상동맥우회술 전·후 인간 심장 영상, 그리고 지역적 Frank‑Starling 효과 실험을 통해 기법을 검증하였다. 결과는 허혈 시 파라미터가 감소하고 재관류 후 회복·증가함을 보여, 임상에서 비침습적으로 심장 기능을 정밀히 모니터링할 수 있는 가능성을 제시한다.

상세 분석

이 연구는 기존에 초음파 기반으로만 평가되던 심장 기계적 기능을 보완하기 위해, 개흉 수술 중 직접 촬영한 심장 영상을 활용한 새로운 정량적 분석 프레임워크를 구축하였다. 핵심은 ‘비접촉·비침습’이라는 전제 하에, 영상에 임시 마커를 부착하고 맞춤형 트래킹 알고리즘을 적용해 마커의 2차원 좌표 변화를 시계열로 기록하는 것이다. 이 좌표 데이터로부터 미분 연산을 통해 순간 속도와 가속도를 도출하고, 질량 추정치를 이용해 국소 운동에너지와 힘을 계산한다. 여기서 질량은 심근 조직의 평균 밀도와 마커가 차지하는 부피를 가정해 추정했으며, 이는 실제 조직 물성치와 비교해 오차 범위 내에 있음을 실험적으로 확인하였다.

전역적인 흐름 분석은 Particle Image Velocimetry(PIV) 기법을 적용해 수행하였다. 영상 프레임 사이의 픽셀 패턴 이동을 교차 상관 분석으로 측정함으로써, 심장 표면 전체의 속도 벡터 필드와 와류(소용돌이) 강도를 정량화했다. 특히 수축기와 이완기 사이의 속도 차이를 시각화함으로써, 전통적인 심초음파가 포착하기 어려운 국소적인 흐름 변화를 포착할 수 있었다.

검증 단계는 네 가지로 구성되었다. 첫째, 컴퓨터 모델링을 통해 허혈 부위의 경직과 재관류 후 탄성 회복을 시뮬레이션하고, 영상 기반 파라미터와 모델 출력값을 상관 분석했다. 둘째, 허혈·재관류 실험을 수행한 쥐 심장 영상을 이용해, 허혈 초기에 변위·속도·가속도·운동에너지·힘이 현저히 감소하고, 재관류 10분 이내에 원상복구 혹은 과보상 현상이 나타나는지를 확인했다. 셋째, 인간 환자군에서는 관상동맥우회술 전후 영상을 비교했으며, 수술 후 24시간 내에 국소 파라미터가 유의하게 회복되는 것을 관찰했다. 넷째, Frank‑Starling 법칙을 지역적으로 검증하기 위해, 동일 심근 부위에 다양한 전부하(전압)를 가했을 때, 변위와 힘이 전부하와 비례함을 입증했다.

통계적으로는 반복 측정 ANOVA와 사후 검정(Tukey)을 사용해 각 단계별 차이를 검증했으며, p<0.05를 유의 수준으로 채택했다. 결과는 영상 기반 파라미터가 기존 심초음파 지표(LVEF, GLS)와 높은 상관관계(r>0.85)를 보이며, 특히 국소 허혈 부위의 미세한 기능 저하를 감지하는 데 뛰어남을 보여준다. 또한, PIV를 통한 전역 흐름 분석은 심실 내 와류 패턴이 허혈 부위 주변에서 증가하고, 재관류 후 정상화되는 동역학을 시각적으로 제공한다.

이 기술의 장점은 (1) 별도의 센서 부착이 필요 없으며, 수술실 카메라만으로 데이터를 획득한다는 점, (2) 실시간으로 ‘비디오 심도그램’ 형태의 시각적 피드백을 제공해 외과의가 즉각적인 판단을 내릴 수 있다, (3) 연산 파이프라인이 자동화돼 사용자 의존도가 낮아 재현성이 높다, (4) 기존 초음파와 병행 사용 시 보완적인 정보를 제공한다는 점이다. 한계점으로는 영상 품질에 따라 마커 트래킹 정확도가 좌우되며, 심근 두께가 얇은 부위에서는 신호‑노이즈 비가 낮아 정밀도가 떨어질 수 있다는 점을 들 수 있다. 향후 연구에서는 3차원 스테레오 영상을 활용한 부피 기반 파라미터 확장과, 딥러닝 기반 자동 마커 검출·트래킹을 도입해 정확도와 처리 속도를 개선할 계획이다.