Evaluating Bresenham-based Binary versus Siddon-based Weighted Ray-Tracing Algorithms for Sparse-View 3D Reconstruction of Coronary Vasculature

기술 요약: 희소 뷰(Sparse-View) 관상동맥 3D 재구성을 위한 브레젠햄(Bresenham) 기반 이진 알고리즘과 시돈(Siddon) 기반 가중치 적용 레이 트레이싱 알고리즘의 비교 평가

문제 정의
중재적 C-arm 이미징은 제한된 수의 투영(통상적으로 약 9개의 투영)을 활용하여 컴퓨터 단층 촬영(CT)에 비해 방사선 노출을 줄이면서도 심혈관 중재 시술을 안내하는 표준 도구로 사용된다. 그러나 희소 뷰(sparse views) 조건에서 3차원(3D) 데이터를 재구성하는 것은 매우 불량한 조건의 역문제(ill-posed inverse problem)를 수반한다. 필터 보정 역투영(Filtered Back Projection, FBP)과 같은 표준 분석 방법은 이러한 조건에서 각도 언더샘플링(angular undersampling)으로 인해 심각한 에일리어싱(aliasing)과 스트릭 아티팩트(streak artifacts)를 발생시키므로 실패한다. 또한, 임상적인 저선량 조건은 높은 수준의 포아송 양자 노이즈(Poisson quantum noise)를 도입한다. 본 연구가 다루는 핵심 과제는 이산 복셀 그리드(discrete voxel grid)를 통과하는 X선 경로의 수학적 근사화로 인해 발생하는 기하학적 부정확성이다. 구체적으로, 본 연구는 순방향 투영기(forward projector)의 선택—이진(Bresenham) 방식 대 가중치 적용(Siddon) 방식—이 노이즈와 희소 샘플링이 존재하는 상황에서 정확한 혈관 형태를 회복하는 능력을 근본적으로 제한하는지 조사한다.

연구 방법론
본 연구는 Vascular Model Repository에서 유래한 세 가지 환자 맞춤형 관상동맥 모델을 사용하는 디지털 트윈 검증 프레워크를 채택한다. 이 모델들은 in silico C-arm 이미징 과정의 지면 진실(ground truth) 역할을 한다.

1. 시뮬레이션 설정:

   • 데이터 생성: 고해상도 3D 혈관 메쉬를 순방향 투영하여 180° 호(arc)에 걸친 9개의 희소 뷰 2D 투영 데이터를 생성한다.
   • 노이즈 모델링: 임상적 저선량 조건을 시뮬레이션하기 위해, 입사 강도가 픽셀당 $5 \times 10^3$ 광자(photons)에 해당하는 포아송 노이즈를 투영 데이터에 추가한다.
   • 지면 진실(Ground Truth): "역 크라임(inverse crime)"(데이터 생성에 사용된 것과 동일한 모델로 알고리즘을 테스트하는 오류)을 방지하기 위해, 지면 투영 데이터는 고충실도 가중치 모델(Siddon)을 사용하여 생성한다.

2. 재구성 프레임워크:

   • 솔버(Solver): 희소 뷰 문제의 불량한 조건을 해결하기 위해 총 변동성(Total Variation, TV) 최소화를 결합한 동시 반복 재구성 기법(Simultaneous Iterative Reconstruction Technique, SIRT)을 활용한다.
   • 최적화: 문제는 정규화된 볼록 최적화(regularized convex optimization) 문제로 정식화된다: $\hat{x} = \arg\min_{x \ge 0} (||Ax - b||^2 + \lambda R(x))$, 여기서 $A$는 시스템 행렬(투영기), $b$는 투영 데이터, $R(x)$는 TV 정규화 항이다.
   • 변수: 주요 독립 변수는 두 가지 서로 다른 방식으로 구현된 시스템 행렬 $A$이다.
     • 이진 접근 방식 (Bresenham): 정수 산술을 사용하여 레이 중심과의 근접성에 따라 복셀을 선택한다. 교차하는 복셀에는 1의 가중치를, 그렇지 않은 경우 0의 가중치를 부여하여 "계단 현상(staircase effect)"을 생성한다.
     • 가중치 적용 방식 (Siddon): 각 복셀 내에서의 X선 경로의 정확한 기하학적 길이를 계산한다. 복셀에는 교차 길이에 기초한 연속적인 분수 가중치가 할당되어 서브 복셀(sub-voxel) 정확도를 제공한다.

3. 평가 지표:

   • 기하학적 중첩: 이진화된 혈관 마스크에 대해 계산된 다이스 유사도 계수(Dice Similarity Coefficient, DSC) 및 자카드 지수(Jaccard Index, IoU).
   • 부피 보존: 재구성된 부피와 지면 진실을 비교하는 부피 비율(Volume Ratio, VR).
   • 강도 충실도: 이진화 전 연속적인 그레이스케일 볼륨에 대해 계산된 평균 제곱근 오차(Root Mean Square Error, RMSE).

주요 기여
본 연구의 주요 기여는 희소 뷰 재구성에서 이진 레이 트레이싱 알고리즘에 내재된 기하학적 오류를 격리하고 정량화하는 것이다. 본 연구는 Bresenham 알고리즘이 돌이킬 수 없는 기저 오류를 유발함을 보여준다. 연속적인 레이를 블록 형태의 복셀 체인으로 취급함으로써 혈관 경계를 인위적으로 팽창시킨다. 이러한 형태적 팽창는 오류가 시스템 행렬 $A$ 자체에 내장되어 있기 때문에 다운스트림 정규화(TV)로는 교정될 수 없다.

또한, 본 연구는 다음을 입증한다:

• 이진 방식의 근본적 한계: Bresenham 알고리즘은 이진 레이 트레이서를 통해 연속적인 레이를 블록 형태의 복셀 체인으로 처리함으로써 혈관 경계를 인위적으로 팽창시키는 돌이킬 수 없는 기저 오류를 유발한다. 이러한 형태적 팽창은 오류가 시스템 행렬 $A$ 자체에 내장되어 있기 때문에 다운스트림 정규화(TV)로는 교정될 수 없다.
• 가중치 적용 투영의 필요성: 부분 용적 효과(partial volume effects)를 고려하여 정확한 교차 길이를 계산하는 Siddon 알고리즘은 본질적인 공간 안티-에일리어싱(anti-aliasing) 필터 역할을 한다. 이를 통해 반복 솔버가 실제 혈관 형태 경계를 보존하는 해로 수렴할 수 있게 한다.
• 정규화와의 상호작용: 본 연구는 TV 정규화가 노이즈 억제에는 효과적이지만, 미세한 해부학적 세부 사항을 보존하는 능력은 근본적인 순방향 투영기의 정확도에 달려 있음을 강조한다.

결과
저선량 노이즈 조건 하에서 세 가지 서로 다른 관상동맥 모델에 대한 정량적 및 시각적 평가는 다음과 같은 결과를 나타냈다.

• 이진 (Bresenham) 성능:

  • 인위적인 혈관 비대 및 부피 팽창을 특징으로 하는 심각한 기하학적 실패를 보였다.
  • 부피 비율: 평균 VR $1.95 \pm 0.47$ (혈관 부피가 거의 두 배로 증가함).
  • 중첩: 평균 다이스 계수 $0.61 \pm 0.05$ 및 자카드 지수 $0.44 \pm 0.05$.
  • 강도: 높은 RMSE ($0.08 \pm 0.04$)를 보여 물리적 감쇄 값을 제대로 회복하지 못함을 나타냈다.
  • 시각적 결과: 재구성된 영상에서 인접한 분지들이 병합되거나 원위부 혈관이 파편화되는 현상이 관찰되었다.

• 가중치 적용 (Siddon) 성능:

  • 노이즈에 대한 강건성과 우수한 기하학적 충실도를 입증했다.
  • 부피 비율: 평균 VR $1.05 \pm 0.11$ (최소한의 과대 산출).
  • 중첩: 평균 다이스 계수 $0.80 \pm 0.06$ 및 자카드 지수 $0.67 \pm 0.09$.
  • 강도: RMSE가 50% 이상 감소하여 $0.03 \pm 0.03$을 기록했다.
  • 시각적 결과: 튜브 형태의 형태(tubular morphology)와 원위부 분지의 연결성을 성공적으로 보존하였으며, 효과적인 노이즈 억제를 보여주었다.

의의 및 주장
본 논문은 희소 뷰, 저선량 C-arm 이미징으로부터의 정확한 관상동맥 3D 재구성이 가능하지만, 이는 반드시 적절한 역투영 알고리즘의 사용에 달려 있다고 주장한다. 저자들은 시스템 행렬 $A$의 근본적인 기하학적 정확도가 정교한 정규화나 솔버와 관계없이 성공적인 재구성을 위한 전제 조건임을 단언한다.

구체적으로, 본 연구는 다음과 같이 주장한다:

1. 이진 근사는 불충분하다: 이진 레이 트레이서에 의해 도입된 "계단" 아티팩트는 혈관의 형태적 팽창을 초래하며, 이는 혈관 반경 편차에 매우 민감한 분획 혈류 예비력(Fractional Flow Reserve, FFR) 추정과 같은 정량적 임상 적용에 부적합하게 만든다.
2. 고충실도를 위해 가중치 투영은 필수적이다: 원위부 혈관의 연결성을 회복하고 부피 팽창을 완화하기 위해서는 순방향 투영기가 가중치가 적용된 서브 복셀 정확도 모델(Siddon)을 사용해야 한다.
3. AI에 대한 시사점: 본 연구의 결과는 거친 이진 투영기로 생성된 합성 데이터로 학습된 딥러닝 모델이 X선 물리학의 결함이 있는 표현을 학습할 수 있으며, 실제 임상 데이터를 처리할 때도 이러한 기하학적 오류가 지속될 수 있음을 시사한다.

본 연구는 가중치 적용 방식이 재구성 품질을 크게 향상시키지만, 가장 작은 혈관 구조의 재구성을 완전히 해결하지는 못하며, 모션 아티팩트를 해결하고 가느다란 튜브 구조를 위한 정규화를 더욱 정교화하기 위한 후속 연구가 필요하다고 결론짓는다.