자동화된 대규모 뇌혈관 그래프 분석 프레임워크 CaravelMetrics

초록

CaravelMetrics는 3D 혈관 이진 마스크에서 골격화 기반 그래프를 자동으로 생성하고, 전역·영역별로 15가지 형태·위상·프랙탈·기하학적 지표를 추출한다. IXI 데이터셋(570명, 20‑86세)에 적용해 연령·성별·교육 수준 등에 따른 혈관 구조 변화를 정량화했으며, 결과는 기존 문헌과 일치한다.

상세 분석

본 논문은 뇌혈관 네트워크를 그래프 이론에 기반한 정량적 모델로 전환하는 전 과정을 자동화한 CaravelMetrics 파이프라인을 제시한다. 입력은 어떠한 3D 영상 모달리티에서도 얻을 수 있는 이진 혈관 마스크이며, 먼저 26‑연결성을 이용해 1‑볼륨 두께의 골격(Skel)을 추출한다. 골격의 각 픽셀을 정점으로, 인접한 픽셀 쌍을 가중 엣지(거리 기반 가중치)로 연결해 무방향 가중 그래프 G(V,E)를 구성한다. 이후 두 단계의 정제 과정을 거친다. 첫째, 각 엣지에 대해 지오데식 거리와 유클리드 거리 비(d_geo/d_euc)를 계산해 2배 초과인 엣지는 제거함으로써 저강도 잡음 엣지를 배제한다. 둘째, 골격에 포함되지 않은 고아 픽셀을 근접 골격점과의 거리(D>5 mm)와 분기각(≤30°) 조건을 만족하도록 연결해 혈관 커버리지를 최대화한다. 이렇게 얻어진 그래프는 다중 연결 컴포넌트 G_k 로 분할되며, 각 컴포넌트마다 대표 루트 노드 3개(R1, R2, R3)를 정의한다. R1·R2는 직경이 가장 큰 말단점, R3는 직경이 가장 큰 분기점(또는 존재하지 않을 경우 R1)이다. 루트‑말단 간 최단 경로를 추출해 혈관 세그먼트를 정의하고, 이를 기반으로 15개의 지표를 계산한다.

지표는 네 가지 카테고리로 구분된다. ① 형태학적 지표는 전체 혈관 길이(L)와 부피(|M|·ΔxΔyΔz)를 측정해 네트워크 규모와 용량을 나타낸다. ② 위상학적 지표는 분기점 수(N_bif), 루프 수, 연결 성분 수, 비정상 차수 노드 비율 등을 통해 가지치기 복잡도와 연결성을 정량화한다. ③ 프랙탈 지표는 박스‑카운팅을 이용한 차원(d_f)와 라크날리티(Lac)로 혈관의 자기유사성 및 공간적 이질성을 평가한다. ④ 기하학적 지표는 스플라인 보간된 중심선 곡선 x(t)에서 곡률 κ(t)와 토러스성(곡률 평균, 평균 제곱곡률, 아크‑코드 비율 등)을 추출해 혈관의 굽힘 및 비틀림 정도를 측정한다. 모든 지표는 전체 그래프뿐 아니라 30개의 동맥 영역별(Arterial Atlas) 서브그래프 G_i 에서도 독립적으로 계산될 수 있어 다중 스케일 분석이 가능하다.

기술 구현 측면에서 파이썬 3.10 기반의 NumPy, SciPy, scikit‑image, NetworkX, vedo 등을 활용했으며, 골격화 후 라플라시안 스무딩(N_iter=2, α=0.8)과 7노드 미만 컴포넌트 제거를 통해 잡음에 대한 강인성을 높였다. 영역 파싱을 위해 MNI 표준 공간에 정렬된 30구역 대동맥 아틀라스를 사용했으며, FSL BET → MNI → Atlas → TOF‑MRA 순의 다단계 정합을 수행한다.

실험에서는 IXI 데이터셋의 570명(연령 20‑86세) TOF‑MRA에서 VesselVerse가 제공한 딥러닝 기반 마스크를 입력으로 사용했다. 연령에 따른 스피어만 상관분석과 사분위 기반 ANOVA를 통해 총 혈관 길이, 분기점 수, 프랙탈 차원은 약 –0.55의 강한 음의 상관을 보였으며, 이는 전반적인 혈관 축소와 복잡도 감소를 의미한다. 반면 평균 곡률과 라크날리티는 +0.20~+0.50의 양의 상관을 보여 노화에 따라 혈관이 더 얽히고 불규칙해짐을 시사한다. 성별 분석에서는 여성의 프랙탈 차원과 분기밀도가 남성보다 유의하게 높아, 여성의 혈관 네트워크가 더 촘촘하고 복잡함을 나타냈다. 교육 수준이 높을수록 혈관 길이와 프랙탈 차원이 증가하고 라크날리티가 감소하는 경향이 발견돼, 인지적 예비력(cognitive reserve)이 혈관 구조에도 반영될 가능성을 제시한다. BMI가 높을수록 혈관 길이 감소, 분기점·노드 수 감소, 곡률 및 라크날리티 증가가 관찰돼 비만이 혈관 구조 단순화를 초래함을 확인했다.

전체적으로 CaravelMetrics는 (1) 이미지 모달리티에 구애받지 않는 그래프 기반 혈관 모델링, (2) 전·지역 수준에서 일관된 15가지 정량 지표 제공, (3) 대규모 코호트에 적용 가능한 완전 자동화 파이프라인이라는 세 가지 강점을 갖는다. 다만 마스크 품질에 민감하고 골격화 단계에서 작은 혈관이 손실될 위험이 있다는 제한점이 제시되었으며, 향후 다양한 병리 데이터와 다중 스캐너 프로토콜에 대한 검증이 필요하다.