[연구의 필요성]

대뇌 피질 주름의 정밀한 식별은 인간 뇌의 기능적·구조적 발달과 인지 기전을 규명하는 데에 중요하다. 그중에서 Posterior Medial Cortex (PMC)는 디폴트 모드 네트워크의 핵심 허브로서 일화 기억, 자기참조 처리, 인지 제어 등 다양한 고위 인지 기능을 관장한다. 최근 연구에 따르면 인간의 PMC에는 영장류와 구별되며 이전에는 기술되지 않았던 미세 주름 구조들이 존재하며, 이들의 해부학적 형태가 알츠하이머병의 타우 단백질 축적 및 인지 저하와 직결된다는 사실이 밝혀졌다. 따라서 정밀한 대뇌 피질 주름 식별 기술의 개발은 개인별 인지 특성 분석 및 뇌 질환 바이오마커 발굴에 필수적이다.

그러나 PMC 영역의 자동 주름 식별은 1) 극심한 피질 해부학적 개체 간 다양성, 2) 전문가의 수작업 주석에 의존하는 데이터 희소성, 그리고 3) 관심 영역(ROIs)이 전체 피질 면적의 약 3.8%에 불과한 극단적인 클래스 불균형 문제로 인해 기존 인공지능 모델로는 정밀 식별에 뚜렷한 한계가 존재했다. 특히, 배경 영역에 다른 대뇌 피질 주름들이 혼재되어 유발되는 해부학적 혼선은 인공지능 모델의 학습 및 최적화 과정을 방해하는 원인이 되었다. 따라서 이러한 도전적 과제들을 극복하고 신뢰할 수 있는 자동화된 새로운 기술의 개발이 필요하다.

본 연구는 이러한 문제를 근본적으로 해결하기 위해, 구면으로 매핑된 대뇌 표면에서 관심 영역은 대폭 확대하고 그 외 배경 영역은 수축시키는 등방(isotropic) 구면 변형 기법을 제안하였다. 역변환이 가능하며, 수학적으로 위상 보존(homeomorphism)을 보장하는 변형 기법을 제안하는 것을 넘어 이를 일반화함으로써, 다양한 주름의 공간적 분포에 특화된 변형장을 유연하게 설계할 수 있도록 하였다. 또한 데이터 희소성 환경에서도 높은 효율성과 일반화 성능을 발휘할 수 있는 종단 간 회전 등변성 (SO(3)-Equivariance) 기반의 딥러닝 프레임워크를 구축하여, 기존 방법의 한계를 극복하고 PMC 주름 식별의 정확도를 향상시켰다.

[포스텍이 가진 고유의 기술]

본 연구는 POSTECH의 컴퓨터공학과 및 인공지능대학원이 주도하였으며, 미국 University of California, Berkeley 및 University of Wisconsin-Madison 의과대학 연구팀과의 공동 연구를 통해 확보한 성인 및 소아 코호트의 PMC 주름 데이터셋을 기반으로 진행되었다. 특히, PMC 영역의 희소하며 해부학적으로 다양성이 큰 주름들을 대상으로 한 정밀 식별 작업은 다수 전문가들의 수작업 주석과 교차 리뷰 과정을 거쳐 구축되었으며, 국제적으로 검증되었다.

더불어, 본 연구실은 구면 기반의 대뇌 표면 해석을 위한 기하학적 딥러닝 기술, 특히 구면조화함수 기반 신경망 및 위상 보존 변형 모델링 분야에서 세계적으로 선도적인 연구 역량을 보유하고 있다. 본 연구팀은 기존에 독자 개발한 구면 인공지능 모델을 바탕으로, 뇌 표면의 위상학적 구조를 손상 없이 보존하면서 관심 영역을 대폭 확대하는 일반화된 등방 변형 기술을 확립하였다. 나아가 모델 전반에 임의의 회전 변환에 구애받지 않는 회전 등변성 (SO(3)-Equivariance)을 내재화하고 학습 안정성을 높이는 기하학적 제약 기법을 접목하여, 연산량과 파라미터 증가는 최소화하면서도 복잡하고 미세한 주름의 형태학적 특징을 정밀하게 포착해내는 독보적인 원천 기술을 완성하였다.

[연구의 의미]

본 연구는 뇌 표면 주름 식별에서 난제였던 극단적인 클래스 불균형과 해부학적 모호성 문제를 기하학적 공간 재할당이라는 방식으로 풀어내었다. 제안된 등방 변형 기법을 통해 관심 영역을 확대하는 변환은 물리적으로 미세 주름 영역의 고주파 대역의 기하학적 신호를 인공지능 필터가 온전히 포착할 수 있는 저주파 대역으로 전환시키는 역할을 한다고 해석할 수 있다. 이와 동시에, 그 외 배경 영역을 수축시킴으로써 주변의 다른 대뇌 주름들이 유발하는 특징 공간에서의 혼란과 간섭을 효과적으로 억제하였다. 이를 통해 기존 기법으로는 지나치게 작고 복잡하여 식별이 어려웠던 미세 주름 구조까지 형태 왜곡 없이 정밀하게 자동 식별할 수 있는 딥러닝 프레임워크의 학술적 토대를 마련하였다.

실험적으로도 주름의 크기가 작고 개체 간 구조적 변동성이 심할수록 제안 기술의 식별 정확도 개선 효과가 두드러지게 나타남을 보였다. 특히 성인 코호트는 물론 연령대와 데이터 획득 조건이 상이한 독립적인 소아 코호트에서도 일관되게 우수한 성능을 재현함으로써, 다양한 연령층과 임상 환경에 유연하게 적용될 수 있는 강력한 일반화 역량을 입증하였다. 이는 단순한 기술적 개선을 넘어, 그동안 크기가 너무 작아 자동으로 정량화하기 어려웠던 인간 고유의 미세 뇌 주름들을 신뢰성 있게 추적할 수 있는 길을 열었다는 점에서 의의가 크다. 특히 이러한 미세 주름들이 다양한 신경 및 인지 질환과 직결된다는 점이 밝혀지고 있는 만큼, 향후 질환의 조기 진단 및 개인 맞춤형 정밀 뇌 분석을 위한 핵심 영상 바이오마커로 널리 활용될 것으로 기대된다.

[연구결과의 진행 상태 및 향후 계획]

본 연구는 의료영상 분야 최상위 국제 저널인 Medical Image Analysis (MedIA) [IF=14.0]에 게재 승인되었으며, 2027년 1월호에 게재될 예정이다. 연구의 재현성과 광범위한 보급을 위해 모델 코드 및 사전 학습 가중치를 오픈소스로 전면 공개할 예정이다.

• 
  [성과와 관련된 실적]

Seunghwan Lee, Jiwon Son, Seungeun Lee, Ethan H. Willbrand, Benjamin J. Parker, Silvia A. Bunge, Kevin S. Weiner, and Ilwoo Lyu, "Isotropic spherical region enlargement and background contraction for sulcal labeling", Medical Image Analysis, vol. 115, 104303, 2027.

DOI: https://doi.org/10.1016/j.media.2026.104303

[성과와 관련된 이미지]