[연구의 필요성]

대뇌 피질의 고랑(sulcus)은 개인 간 뇌의 구조적 차이와 기능적 특성을 분석하기 위한 중요한 해부학적 지표로 제안되고 있다. 특히 Lateral Prefrontal Cortex (LPFC)를 비롯한 여러 피질 영역에는 크기가 작고 형태와 위치의 개인차가 큰 고랑들이 존재하고, 이들과 고위 인지기능과의 관계를 분석하는 연구가 진행되고 있다. 그러나 이러한 고랑들은 자동 라벨링 과정에서 오류가 발생하기 쉬워, 분석에 활용하기에 앞서 전문가의 추가적인 검증과 교정이 수반되어야 한다. 본 연구에서는 소수의 전문가 클릭만으로 고랑 라벨링 결과를 효율적으로 교정할 수 있는 상호작용 프레임워크를 제안한다.

[포스텍이 가진 고유의 기술]

본 연구에서는 Spherical CNN 기반 Interactive Segmentation 프레임워크를 제안함으로써 대뇌 피질 고랑 라벨링 문제를 해결하고자 하였다. 이 프레임워크는 다음과 같은 특징을 가진다.
 (1) 대뇌 피질 표면을 구면에 매핑한 후, Spherical CNN을 통해 대뇌 표면의 기하학적 특징과 현재 라벨링 결과, 그리고 사용자 클릭으로부터 생성된 Spatial Guidance Signal을 입력으로 하여 고랑 라벨을 교정한다.
 (2) 긍정 및 부정 클릭을 반복적으로 반영하는 학습 방식을 통해, 사용자의 추가적인 상호작용에 따라 정확도를 단계적으로 개선한다.
 (3) 백색질(White Matter) 표면의 평균 곡률을 기반으로 한 신호의 전파 속도 함수를 설계하였다. 또한 클릭 위치에서 시작된 신호의 전파를 Eikonal Equation으로 모델링함으로써, 대뇌 표면의 형상을 반영하는 Shape-Adaptive Guidance Signal을 생성하였다. 이를 통해 신호가 클릭이 위치한 고랑을 따라 전파되도록 유도하고, 인접한 이랑(Gyrus)로의 불필요한 확산을 억제하였다.

[연구의 의미]

본 연구에서 제안한 Shape-Adaptive Guidance Signal는 대뇌 형상을 고려하지 않는 단순한 신호에 비해 LPFC 영역상의 크기가 작고 개인차가 큰 고랑에서 높은 라벨링 정확도를 보였으며, 반복적인 클릭에 따라서도 결과를 안정적으로 개선하였다. 이는 대규모 고랑 라벨링 작업에 있어 전문가의 검증 및 교정 부담을 줄일 수 있는 가능성을 보여준다.

[연구결과의 진행 상태 및 향후 계획]

본 연구는 의료영상 분야 최우수 국제학술대회인 Medical Image Computing and Computer Assisted Intervention (MICCAI) 2026에서 발표될 예정이다. 후속 연구에서는 대뇌의 해부학적 특징과 현재 라벨링 상태에 따라 Guidance Signal의 전파 범위를 자동으로 조절하는 방법을 개발할 예정이다.

[성과와 관련된 실적]

Jiwon Son, Ethan H. Willbrand, Benjamin J. Parker, Kevin S. Weiner, Ilwoo Lyu, “Shape-Adaptive Guidance Signal for Interactive Cortical Sulcal Labeling”, Medical Image Computing and Computer Assisted Intervention (MICCAI), 2026

[성과와 관련된 이미지]