XR 기반 메타 퀘스트3와 MX 잉크를 활용한 의료 영상 분할

초록

본 연구는 Meta Quest 3와 Logitech MX Ink 스타일러스를 결합한 XR 기반 분할 도구를 개발하고, 공개된 두개안면 CT 데이터를 이용해 사용성 평가를 수행하였다. 시스템은 2D 슬라이스와 3D 볼륨을 동시에 조작할 수 있는 혼합 작업공간을 제공하며, 스타일러스의 펜‑온‑페이퍼 감각을 재현한다. 10명의 의료 종사자를 대상으로 한 실험에서 SUS 평균 66점(산업 기준 68점에 근접)과 ISO 9241‑110 기반 설문에서 평균 4.1/5점(자기 서술성)이라는 결과를 얻었다. 사용자는 인터페이스 직관성, 공간적 탐색, 스타일러스 인체공학성을 높이 평가했으며, 정밀도와 오류 복구 기능 개선을 요구하였다. 연구는 XR‑스타일러스 패러다임이 임상 전처리와 교육에 활용될 잠재력을 보여준다.

상세 분석

본 논문은 기존 데스크톱 기반 의료 영상 분할 도구가 안고 있는 2D·3D 작업 분리, 마우스·키보드 입력의 비직관성, 그리고 높은 인지 부하 문제를 XR 환경으로 해결하고자 한다. 시스템 구현은 Unity 2022와 Meta XR SDK, OpenXR 플러그인을 활용해 Meta Quest 3의 6DoF 트래킹과 Snapdragon XR2 Gen 2 프로세서의 실시간 메쉬 렌더링 능력을 최대한 활용하였다. TIFF 스택을 직접 파싱하는 커스텀 TiffLib 모듈을 통해 DICOM → TIFF 변환 과정에서 원본 voxel spacing을 보존함으로써 임상 파이프라인과의 호환성을 확보하였다.

스타일러스 입력은 레이캐스팅 기반 UV 매핑을 통해 물리적 펜 팁 위치를 이미지 좌표계에 정확히 매핑한다. 이 과정에서 선형 보간을 적용해 드로잉 시 발생할 수 있는 jitter와 간격 문제를 최소화했으며, 브러시·지우기 크기 조절과 haptic pulse 피드백을 제공해 사용자가 캔버스와의 접촉을 직관적으로 인지하도록 설계하였다. 또한, additive·subtractive 모드 전환을 지원해 반복적인 세분화 작업이 가능하도록 하였다.

3D 볼륨 시각화는 Marching Cubes 알고리즘을 기반으로 iso‑surface를 실시간 생성하고, 큐빅당 1000번째 셀마다 결과를 업데이트하는 동적 yield 방식을 도입해 UI 스레드 블로킹을 방지하였다. 생성된 메쉬는 quadric edge collapse decimation을 통해 70‑80%의 삼각형 수를 감소시키면서 주요 해부학적 특징을 보존한다. 최적화된 메쉬는 200 ms 이하의 지연 시간으로 72 FPS를 유지하며, Meta Quest 3의 하드웨어 한계 내에서 부드러운 인터랙션을 제공한다.

사용성 평가에서는 10명의 참가자(의대생·임상 의사)를 대상으로 30분간 실제 두개안면 CT 분할 작업을 수행하게 하였고, SUS와 ISO 9241‑110 기반 10문항 설문을 병행했다. SUS 평균 66점은 디지털 헬스 분야에서 허용되는 표준 편차(±12.5) 내에 위치하며, 초기 프로토타입 단계임을 고려하면 충분히 긍정적인 결과라 할 수 있다. ISO 설문에서는 자기 서술성(Q2)과 학습 용이성(Q8)에서 4.1/5점 이상의 높은 점수를 기록했으나, 작업 적합성(Q1)·제어 용이성(Q3) 등은 중립 이하로 나타나 향후 인터페이스 세부 조정이 필요함을 시사한다.

정성적 피드백에서는 스타일러스가 실제 펜과 유사한 촉감과 인체공학적 설계가 인지 부하를 크게 감소시켰다는 점이 강조되었다. 반면, 캔버스 가장자리에서 트래킹 정확도가 떨어지고, 실수 시 Undo 기능이 부재한 점이 주요 불만으로 제시되었다. 이러한 문제는 소프트웨어 레이어에서 트래킹 보정 알고리즘을 강화하고, 히스토리 기반 Undo/Redo 스택을 도입함으로써 해결 가능하다.

전반적으로 본 연구는 XR‑스타일러스 결합이 기존 데스크톱 기반 분할 워크플로우의 주요 병목을 해소하고, 2D·3D 통합 작업공간을 제공함으로써 임상 전처리와 교육 현장에서의 활용 가능성을 입증하였다. 향후 AI‑assisted 자동 분할 결과와의 연동, 다중 사용자 협업 세션, 그리고 정밀도 향상을 위한 haptic feedback 강화 등이 연구 로드맵에 포함된다.