SEEG Contact Detector: A 3D Slicer Extension for Automated Localisation of Intracranial Electrode Contacts

기술 요약: SEEG Contact Detector

문제 정의
두개내 전극 접점(intracranial electrode contacts)의 정밀한 위치 파악은 뇌파 기록 해석, 간질 네트워크 매핑, 그리고 간질 수술 계획 수립에 있어 매우 중요합니다. 현재 이 과정은 주로 임상 전문가가 삽입 후 CT와 삽입 전 MRI 영상을 시각적으로 검사하는 수동 방식에 의존하고 있습니다. 이러한 수동 접근 방식은 시간이 많이 소요되고, 운영자 간의 변동성이 크며, 비평면적 궤적이나 전극의 수렴으로 인한 영상 아티팩트(예: 금속 아티팩트)로 인해 오류가 발생하기 쉽습니다. 자동화된 도구들(예: EpiTools, iELVis, sEEG-Suite)이 존재하기는 하지만, 사용자들은 위치 파악를 수행하기 전 단계인 두개골 제거(skull-stripping)나 공동 등록(coregistration)과 같은 복잡한 전처리 파이프라인 및 여러 이질적인 소프트웨어 패키지와 프로그래밍 언어를 오가야 하는 파편화 문제를 겪는 경우가 많습니다. 또한, 기존의 많은 도구들은 삽입 과정 중 반유연성(semi-flexible) 전극의 물리적 굽힘을 정확하게 모델링하는 데 어려움을 겪습니다.

방법론
저자들은 3D Slicer 플랫폼(버전 5.10.0 이상)의 오픈 소스 확장 기능인 SEEG Contact Detector를 제시합니다. 이 도구는 논리적 계산 엔진과 Qt 기반의 그래픽 사용자 인터페이스(GUI)로 구성된 Python 기반 스크립트 모듈로 구현되었습니다. 워크플로우는 시각적 검사와 미세 조정을 허용하면서도 수동 오버헤드를 최소화하도록 설계된 통합된 엔드 투 엔드(end-to-end) 솔루션입니다.

탐지 파이프라인은 다음 단계로 진행됩니다:

1. 데이터 입력 및 전처리: 시스템은 삽입 후 CT 스캔(연조직 윈도우)을 기본 참조 자료로 사용하고, T1 가중치 MRI를 해부학적 배경으로 사용합니다. CT와 MRI는 강체 공동 등록(rigidly co-registered)됩니다. 금속 아티팩트로 인한 등록 실패를 극복하기 위해, 등록 전 CT의 임계값(HU < 3000)을 설정하여 금속을 제거합니다. 뇌 마스크(ROIbrain)는 HD-BET 알고리즘을 사용하여 MRI로부터 자동으로 생성되며, 두개 내 구조물을 격리하기 위해 CT에 적용됩니다.
2. 앵커 볼트 초기화: 사용자는 CT 영상 내 전극의 앵커 볼트에 기준점(fiducial points)을 배치합니다. 시스템은 사용자 정의 반경 내에서 강도 임계값 처리(HU > 3000)와 최대 연결 성분 분석(largest-connected-component analysis)을 사용하여 이 볼트들을 분할합니다.
3. 궤적 추정: 각 앵커 볼트의 축은 주성분 분석(PCA)을 사용하여 추정됩니다. 이는 초기 궤적 벡터를 제공합니다. 진입점(EP)은 기준점을 이 축에 투영하여 정의되며, 끝점(TP)은 전극의 물리적 길이(접점 수, 접점 길이, 간격 거리를 통해 계산됨)를 바탕으로 추정됩니다.
4. 전극 클러스터링: 뇌 영역 내의 금속 복셀(voxels)은 가우시안 혼합 모델(GMM)을 사용하여 개별 전극에 할당됩니다. GMM은 정확한 전극별 접점 클러스터링을 보장하기 위해 추정된 EP-TP 궤적을 사용하여 초기화됩니다.
5. 궤적 미세 조정 및 접점 모델링: 초기 선형 궤적은 3D 공간에서 클러스터링된 금속 복셀에 5차 다항식을 적합(fitting)시킴으로써 정교화되며, 이를 통해 굽힘 현상을 반영합니다. 전극 모델은 알려진 물리적 치수(직경, 길이, 간격)를 가진 개별 접점을 나타내는 일련의 가우시안 구체(Gaussian spheres)로 구성되어 궤적에 적합됩니다.
6. 접점 탐지: 모델은 적합된 궤적을 따라 반복적으로 이동하며 CT 영상과 교차 상관(cross-correlation) 분석을 수행합니다(X선 결핍 아티팩트를 완화하기 위해 필터링된 볼륨 사용). 이를 통해 최적의 위치를 찾습니다. 가장 잘 적합된 모델의 가우시안 요소 중심점이 접점 위치로 기록됩니다.
7. 검증 및 수정: 모든 탐지 결과는 GUI에 시각화됩니다. 사용자는 누락된 탐지(예: X선 그림자로 인한 경우)를 수정하거나 서로 맞닿은 전극을 조정하기 위해 접점 그룹 전체를 궤적을 따라(한 접점 단위 또는 미세 단계로) 수동으로 이동시킬 수 있습니다.

주요 기여

• 통합된 워크플로우: 이 확장 기능은 전체 위치 파악 과정을 위한 단일 독립형 환경을 3D Slicer 내에 제공하여, 외부 전처리 스크립트나 여러 소프트웨어 제품군을 사용할 필요를 없앴습니다.
• 강건한 초기화: 사전 삽입 계획 데이터나 수동 궤적 작도에만 의존하는 대신 앵커 볼트 분할을 활용함으로써, 실제 전극 배치 상태에 적응할 수 있습니다.
• 비선형 모델링: 다항식 적합(polynomial fitting)을 사용함으로써 시스템은 반유연성 전극의 실제 굽어진 궤적을 정확하게 모델링할 수 있으며, 이는 선형 전용 접근 방식의 한계를 해결합니다.
• 사용자 중심 설계: 초기화, 시각적 검사 및 원클릭 수동 수정을 위한 직관적인 GUI 위젯을 포함하여 프로그래밍 지식이 없는 임상의도 쉽게 사용할 수 있도록 설계되었습니다.
• 개방형 가용성: 소스 코드는 3D Slicer Extension Manager 및 GitHub를 통해 Apache-2.0 라이선스 하에 공개되어 있습니다.

결과
본 방법은 73명의 환자로부터 추출된 78건의 삽입 사례(총 1,078개의 전극 및 14,480개의 접점)를 포함하는 회고적 데이터셋을 통해 평가되었습니다. 참값(Ground Truth, GT) 위치는 숙련된 임상 엔지니어가 이미 검증된 파이프라인을 사용하여 설정하였습니다.

• 정확도: 탐지된 접점 위치와 GT 사이의 중앙값 편차는 0.10 mm(사분위 범위: 0.06, 0.15 mm)를 달성했습니다. 최대 편차는 1.07 mm였습니다.
• 실패율: **1,078개 전극 중 단 7개(0.65%)**만이 수동 수정이 필요했습니다. 이러한 실패는 전극 끝이 맞닿음, 다른 금속성 두개 내 물체의 존재(예: 이전 수술로 인한 골 클립), 인접한 앵커 볼트, 또는 심한 CT 아티팩트와 같은 특정 임상 시나리오 때문이었습니다.
• 수정 효율성: 식별된 모든 실패 사례는 모듈의 내장 도구를 사용하여 몇 분 내에 해결되었습니다.
• 일관성: RAS 좌표계 전반에 걸친 편차 분석 결과, 체계적인 편향(systematic bias)은 나타나지 않았으며, 머리 중심으로부터의 접점 위치나 전극 깊이에 따른 의존성도 미미했습니다.

의의
본 논문은 SEEG Contact Detector가 SEEG 프로세싱의 표준화 및 자동화를 향한 실질적인 단계라고 주장합니다. 높은 정확도(서브 복셀 수준)와 통합된 사용자 친화적 인터페이스를 결려함으로써, 이 도구는 임상적 신뢰성을 유지하면서도 처리 시간을 몇 시간에서 몇 분으로 대폭 단축합니다. 저자들은 이 도구가 3D Slicer 확장 기능으로 제공됨으로써 전문적인 프로그래밍 지식 없이도 임상 및 연구 센터 간의 워크플로우 표준화를 지원하고 도입 장벽을 낮춘다는 점을 강조합니다. 이 연구는 Motol 및 Homolka 간질 센터에서의 10년 이상의 임상 경험을 바탕으로, 기존에 발표된 알고리즘 접근 방식을 배포 가능한 임상 솔루션으로 변환한 결과물입니다.