이미지 생성부터 해석까지, 의료 영상 처리의 주요 과제
상태바
이미지 생성부터 해석까지, 의료 영상 처리의 주요 과제
  • 선연수 기자
  • 승인 2019.07.16 08:40
  • 댓글 0
이 기사를 공유합니다

[테크월드=선연수 기자] 

 

지난 20세기에 의료 영상 기술의 빠른 발전으로, 혁신적인 방식으로 비침습적 진단을 할 수 있게 됐으며, 의료 영상이 의료 시스템의 한 축으로 자리 잡았다. 의료 영상의 발전을 가능하게 만든 핵심 요소가 바로 의료 영상 처리 기술이다.

첨단 의료 영상 시스템의 전체적인 데이터 플로우는 원시 데이터 수집에서부터 디지털 이미지 통신에 이르기까지 여러 과정들로 이뤄진다. 최신 의료 영상 시스템은 보다 높은 분해능과 빠른 수집 시간을 제공한다. 정확한 진단 결과를 얻기 위해서는 방대한 양의 고품질 원시 이미지 데이터를 적합하게 처리, 해석해야 한다.

이 글에서는 의료 영상 처리의 주요 프로세스, 다양한 영상 방식, 업계의 과제와 개발 동향에 대해서 살펴본다.

 

의료 영상 처리의 핵심 영역들

[그림 1]에서 보듯이, 의료 영상 처리는 각 과정마다 다양한 개념과 기법들이 사용된다. 이런 과정은 이미지 생성, 이미지 컴퓨팅, 이미지 관리의 크게 세 단계로 구분할 수 있다.

 

[그림 1] 의료 영상 처리 주요 범주들의 구조적 분류

 

이미지 생성 프로세스는 데이터 수집과 수학적 역 문제(Inverse problem)를 푸는 이미지 재구성 단계를 거친다. 이미지 컴퓨팅은 재구성된 이미지 해석 결과를 향상시키고, 임상학적으로 유의미한 정보를 도출하기 위한 과정이다. 마지막 단계인 이미지 관리는 수집한 이미지와 도출된 정보의 압축, 아카이브 저장, 인출, 통신으로 이뤄진다.

 

이미지 생성

데이터 수집

이미지 생성을 위한 첫 번째 단계는 원시 이미징 데이터를 수집하는 것이다. 이는 인체 내부에 관한 원시 정보를 수집하는 것으로, 이후 모든 후속 이미지 처리 작업의 기본 대상이 된다.

다양한 영상 방식들은 서로 다른 물리 원칙을 적용해, 각기 다른 물리적 인자들을 탐지한다. 예컨대 디지털 방사선 촬영(DR)과 컴퓨터 단층 촬영(CT)은 입사 광자의 에너지를 사용한다. 양전자 방출 단층 촬영(PET)은 광자 에너지와 이의 검출 시간을 활용한다. 자기공명 영상(MRI)은 여기 원자(Excited atoms)에 의해 방출된 무선 주파수 신호를 사용하며, 초음파 검사는 음향 에코를 사용한다.

그러나 영상 방식에 관계없이, 데이터 수집 프로세스는 물리적 인자들을 검출하고 수집한 신호를 전처리한 후 디지털화하는 과정을 거친다. [그림 2]는 대부분의 주요 의료 영상 방식에 적용되는 과정을 보여준다.

 

[그림 2] 데이터 수집 프로세스 개념도

 

이미지 재구성

이미지 재구성은 수집한 원시 데이터로 이미지를 생성하는 수학적 과정이다. 다차원 영상은 각기 다른 각도나 시간 간격으로 수집한 여러 데이터 세트의 결합 과정을 포함한다. 이 프로세스에서 핵심은 수학적 역 문제를 푸는 것이다. 이를 위해 분석적(Analytical) 알고리즘과 반복적(Iterative) 알고리즘 두 가지가 주로 사용된다.

분석적 기법의 예로는 단층촬영에 널리 사용되는 FBP(Filtered Back Projection), MRI에서 중요한 퓨리에 변환(FT, Fourier transform), 초음파 검사에 필수적인 기법인 지연-합(DAS, Delay And Sum) 빔 포밍을 들 수 있으며, 이들 알고리즘은 효율적인 프로세싱 전력과 처리 시간을 제공한다. 하지만 이상적인 모델에 기반하기 때문에, 측정 잡음의 통계적 특성과 이미징 시스템의 물리적 특성 같은 복잡한 요인들을 처리하지 못하는 등의 근본적인 한계점을 지닌다.

반복적 알고리즘은 이런 한계점들을 극복해낸다. 잡음에 대한 민감성을 크게 개선하고 불완전한 원시 데이터로도 최적의 이미지를 재구성할 수 있다. 반복적 기법은 시스템과 통계적 잡음 모델을 사용해, 일차적인 객체 모델에 기반한 추정 계수를 통해 투영을 계산한다. 계산된 투영과 원래 데이터 간 차이가 새로운 계수를 정의하며, 이를 활용해 객체 모델을 업데이트한다. 예측 값과 실제 값을 일치시키는 비용 함수가 최소가 될 때까지 이 절차를 여러 번 반복하고, 재구성 프로세스를 수렴함으로써 최종 이미지에 도달한다. 반복적 기법에는 MLEM(Maximum Likelihood Expectation Maximization), MAP(Maximum A Posteriori), ARC(Algebraic Reconstruction) 등 다양한 기법들이 있으며, 현재 의료 영상 장비에서 사용되고 있다.

 

이미지 컴퓨팅

이미지 컴퓨팅은 재구성된 이미징 데이터에 수학적 기법들을 적용해 임상학적으로 유의미한 정보를 도출해내는 것이다. 이는 이미징 결과를 강화, 분석, 시각화하는 데 적용된다.

 

강화

이미지 강화는 변환된 이미지 표현을 정제한 후 내포된 정보 해석의 정확도를 향상시키는 것으로, 공간(Spatial) 도메인 기법과 주파수(Frequency) 도메인 기법으로 분류된다.

공간 도메인 기법은 이미지 픽셀에 직접 적용하는 것으로, 특히 콘트라스트 최적화에 유용하다. 이 기법은 로그, 히스토그램, 지수 법칙 변환을 주로 사용한다. 주파수 도메인 기법은 주파수 변환을 사용하며, 다양한 필터를 통해 이미지를 매끄럽고 선명하게 하는 용도에 적합하다. 이런 기법들을 활용해 잡음과 불균일성 완화, 콘트라스트 최적화, 에지 향상, 아티팩트 제거, 후속 이미지 분석과 정확한 해석을 위해, 중요한 기타 특성들의 강화 효과를 얻을 수 있다.

 

분석

이미지 분석은 이미지 컴퓨팅을 위한 핵심 프로세스로서 이미지 세분화, 정합, 정량화의 세 단계로 작업된다.

이미지 세분화(Segmentation)는 이미지를 해부학적 구조에 따라 유의미한 윤곽선으로 분할하는 것이다. 이미지 정합은 여러 이미지를 정합하는 것으로, 시간 변화 분석이나 서로 다른 영상 방식으로 수집된 이미지 합성에서 중요한 과정이다. 정량화(Quantification)는 체적, 직경, 성분, 그 밖에 다른 해부·생리학적 정보를 비롯해 식별된 구조의 특성을 판별하는 것이다. 이 모든 프로세스가 이미징 데이터의 검사 품질과 의료 진단 정확도에 영향을 미친다.

 

시각화

시각화는 이미지 데이터를 렌더링해 해부·생리학적 이미징 정보를 지정된 차원의 특정한 시각적 형태로 표현하는 것이다. 데이터와 직접적인 상호작용으로 이뤄지며, 이미징 분석의 초기 단계나 중간 단계 모두에서 활용할 수 있다. 예를 들어, 세분화와 정합 프로세스를 지원하기 위해서 사용할 수도 있고, 최종 단계에서 정제된 결과를 나타낼 수도 있다.

 

이미지 관리

의료 영상 처리의 마지막 프로세스는 수집된 정보를 관리하는 것이다. 이미지 데이터의 저장, 검색, 통신을 위한 다양한 기법들이 사용되며, 이미지 관리의 여러 측면들을 다루기 위해 다양한 표준과 기술들이 개발되고 있다. 예컨대, 의료 이미징 기술 PACS(Picture Archiving and Communication Systems)는 여러 기법들을 통해 얻어낸 이미지들에 대해 경제적인 저장과 접속을 제공하며, DICOM(Digital Imaging and Communication Medicine) 표준은 의료 이미지의 저장과 전송에 이용된다. 이미지 압축과 스트리밍에 관련된 전문적인 기법들을 활용함으로써 해당 작업의 효율을 높일 수 있다.

 

향후 과제와 개발 동향

의료 영상은 연구 단계에서 임상 적용 단계로 넘어가기까지 십 년 이상씩 걸리는 비교적 보수적인 분야다. 관련된 모든 분야들에 걸쳐서 다면적인 과제들을 해결해야 하고, 그러기 위해서 혁신적인 기법들이 계속 개발되고 있다. 의료 영상 처리의 모든 주요 측면들에서도 연구가 활발히 진행되고 있다.

이미지 수집 작업에서는 원시 데이터의 품질을 높이고, 정보 콘텐츠를 풍부하게 만드는 하드웨어 기술들도 개발되는 중이다. 통합 프런트엔드 솔루션의 등장으로, 더 빠른 스캔 시간과 세밀한 해상도뿐 아니라, 초음파/유방조영술, CT/PET, PET/MRI 콤보 시스템에 최첨단 아키텍처를 구성할 수 있게 됐다.

이미지 재구성에서는 분석적 기법 대신 빠르고 효율적인 반복적 알고리즘의 활용도가 점점 더 높아지고 있다. 이로 인해 PET의 이미지 품질을 크게 향상시킬 수 있었고, CT 엑스레이 선량을 낮추며, MRI의 압축 센싱도 할 수 있게 됐다. 또한, 데이터 기반의 신호 모델로 사람이 작성한 모델을 대체함으로써 제한적이고 잡음이 심한 데이터로 인해 발생된 문제에 대해, 보다 나은 솔루션을 제공한다. 이와 관련해 시스템의 물리적 모델링과 신호 모델, 최적화 알고리즘, 이미지 품질 평가를 위한 기법 개발이 계속되고 있다.

이미징 하드웨어가 점점 더 많은 양의 데이터를 수집하고 있으며, 알고리즘도 갈수록 더 복잡해지고 있어 더욱 효율적인 컴퓨팅 기술이 요구된다. 또한 이전에는 볼 수 없던 새로운 것들을 가능하게 만들며, 연구 단계에서 응용 단계로의 빠른 이전을 지원하는 강력한 그래픽 프로세서와 멀티프로세싱 기법들도 필요하다.

[그림3]은 이미지 컴퓨팅과 이미지 관리 단계의 과제와 개발 동향을 요약한 것이다.

 

[그림 3] 의료 영상 컴퓨팅 분야의 주요 동향

 

지속적인 연구개발을 통해 새로운 혁신 기술들이 개발되고 있으며, 이들은 연구 단계를 넘어 임상에도 빠르게 응용되고 있다. 의료 영상 처리에 다양한 분야의 지식들을 통합함으로써 더욱 정확하고 신뢰할 수 있는 이미징 결과를 달성하게 된 것이다.

아나로그디바이스는 의료 이미징의 데이터 수집 전자기기 설계와 관련해 동적 범위, 분해능, 정확도, 선형성, 잡음 등의 까다로운 요구를 충족하는 다양한 솔루션들을 제공한다. 이 솔루션을 사용함으로써 원시 이미징 데이터 단계에서 최대의 품질을 달성할 수 있다.

256채널을 제공하는 ADAS1256은 집적도가 매우 높은 아날로그 프론트엔드로서 DR 애플리케이션용으로 설계됐다. 다채널 데이터 수집 시스템인 ADAS1135와 ADAS1134는 선형성이 우수하며 CT 애플리케이션에서 이미지의 품질을 극대화한다. 다채널 ADC인 AD9228, AD9637, AD9219, AD9212는 뛰어난 동적 성능과 저전력 소모가 특징이며, PET 용으로 적합하다. 파이프라인 ADC인 AD9656은 우수한 동적 성능과 저전력 특성을 가져, MRI에 사용하기에 적합하다. 집적된 수신단 프론트엔드인 AD9671은 작은 크기가 중시되는 저가형 저전력 의료 초음파 애플리케이션용으로 적합하다.

 

맺음말

의료 영상 처리는 수학, 컴퓨터 과학에서부터 물리학과 의학에 이르기까지 여러 분야의 지식이 융합된 매우 복잡한 분야다. 이 글에서는 의료 영상 처리의 주요 프로세스, 개발 동향, 과제를 살펴봤다. 이 중 가장 우선되는 절차이자 중요한 프로세스가 데이터 수집이다. 데이터 수집 프로세스에 따라서 의료 영상 처리의 후속 단계에서 사용될 원시 데이터의 품질이 결정되기 때문이다.

글: 안톤 파트유첸코(Anton Patyuchenko)

자료제공: 아나로그디바이스

 

 


관련기사