조절식 X‑ray 위상 마이크로톰그래피의 시야 확대를 위한 새로운 이미지 처리 기법

초록

본 논문은 제한된 빔 라인 시야(FOV)에서도 센티미터 규모 시료를 다중 마이크로미터 해상도로 촬영할 수 있도록, 고유 평면(eigenflat) 최적화와 변형 이미지 정합(deformable registration)을 결합한 이미지 처리 파이프라인을 제안한다. 이를 rat brain(직경 15 mm) 샘플에 적용해 6 mm 제한 FOV를 넘어선 전자밀도 맵을 성공적으로 재구성하였다.

상세 분석

이 연구는 기존 변조 기반 위상 영상(modulation‑based phase‑contrast imaging)에서 직면하는 두 가지 핵심 문제, 즉 시간에 따라 변동하는 빔 프로파일에 의한 평면 왜곡과 샘플 전체가 시야를 차지해 평면 보정에 사용할 샘플‑프리 영역이 부족한 점을 동시에 해결한다. 먼저, 다수의 플랫‑필드 이미지 집합을 주성분 분석(PCA)으로 분해해 고유 평면(eigenflat)들을 추출한다. 전통적인 eigenflat 보정은 샘플‑프리 영역에서 가중치를 최적화해 합성 평면을 만든다. 그러나 중앙 스캔에서는 전혀 샘플‑프리 영역이 존재하지 않으므로 직접적인 가중치 계산이 불가능하다. 이를 극복하기 위해 저자들은 변형 이미지 정합(deformable image registration, FFD‑B‑Spline 모델)을 도입한다. 외부 스캔(좌·우)과 중앙 스캔을 겹치는 영역에서 정밀히 정합시켜, 외부 스캔을 기준으로 중앙 스캔을 변형한다. 이후 중앙 스캔의 합성 평면 가중치를 반복적으로 조정하면서, 정합된 외부 스캔과 차이 이미지의 총변동(Total Variation, TV)을 비용 함수로 최소화한다. TV는 모듈레이터 패턴이 남아 있는 정도를 정량화하므로, 최적화 과정에서 실제 평면 보정 품질을 직접적으로 향상시킨다. 최적 가중치가 확보되면, 중앙 스캔에 대한 최종 위상 이미지가 얻어지고, 좌·우 스캔과 함께 겹치는 영역을 거리 가중 평균으로 블렌딩한다. 이렇게 얻어진 연속적인 위상 프로젝션을 2‑D 푸리에 적분 후 필터드 백 프로젝션(FBP)으로 재구성하면, 전체 시료에 대한 전자밀도(volume) 맵이 완성된다. 핵심 혁신은 (1) 샘플‑프리 영역이 없는 경우에도 eigenflat을 동적으로 추정하는 최적화 프레임워크, (2) 복잡한 빔‑디텍터 왜곡을 보정하기 위한 변형 정합, (3) 다중 스캔을 자연스럽게 이어붙이는 블렌딩 전략이다. 실험 결과, 15 mm 직경의 쥐 뇌를 6 mm 제한 FOV의 빔라인(P05, PETRA III)에서 4 µm 수준의 해상도로 전자밀도 맵을 재구성했으며, 이는 기존 방법으로는 불가능했던 규모와 정밀도를 동시에 달성한 사례이다.