⚡ electrical engineering

Haptic Virtual Palpation of Volumetric CT: A Density-to-Force Rendering Method andIts Technical Characterisation

본 논문은 CT 하운스필드 단위(Hounsfield units)를 힘 피드백으로 변환하는 Unity 기반의 햅틱 렌더링 방법을 제시하고 특성화하며, 부드러운 조직과 단단한 조직 간의 상호작로적 구별은 가능하지만, 밀도가 높은 조직 클래스 간의 구별 능력은 근본적인 매핑 알고리즘보다는 보수적인 힘 클램핑(force clamping)에 의해 현재 제한되어 있음을 입증한다.

원저자: Negar Chabi, Souraj Adhikary, Andre Mastmeyer

게시일 2026-08-28

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Negar Chabi, Souraj Adhikary, Andre Mastmeyer

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

병원 방사선과에서 의사는 환자의 몸 내부를 보기 위해 컴퓨터 화면을 응시합니다. 이 영상은 X선을 사용하여 조직의 3차원 지도를 만드는 기계인 CT 스캐너로부터 옵니다. 이 지도 위에서 모든 미세한 점은 컴퓨터가 조직이 X선을 얼마나 차단하는지를 알려주는 숫자를 가지고 있습니다. 밀도가 높은 뼈는 많은 양을 차단하여 높은 숫자를 얻고, 부드러운 근육은 적게 차단하여 더 낮은 숫자를 얻으며, 공기는 거의 차단하지 않아 매우 낮은 숫자를 얻습니다. 수십 년 동안 의사들은 이 숫자들을 읽어 신체 구조를 이해하기 위해 자신의 눈을 사용해 왔습니다. 하지만 의사가 환자를 직접 진찰할 때, 그들은 단순히 보기만 하는 것이 아니라 만집니다. 그들은 피부를 눌러 장기가 딱딱한지 혹은 부드러운지를 느끼는데, 이는 평면적인 영상이 제공할 수 없는 중요한 단서입니다. 엔지니어들의 과제는 의사에게 디지털 영상을 보는 동안 촉각을 부여하여, 마치 실제인 것처럼 화면 속의 가상 뼈와 장기를 "느낄" 수 있게 해주는 것이었습니다.

독일의 야데 응용과학대학교(Jade University of Applied Sciences)의 연구진은 이 문제를 해결하려고 시도하는 시스템을 구축했습니다. 그들은 CT 스캔의 밀도 숫자를 저항감으로 직접 변환하는 방법을 만들었습니다. 사용자가 컴퓨터에 연결된 펜 모양의 특수한 스타일러스를 가상 CT 스캔 위로 움직이면, 장치가 사용자의 손을 밀어냅니다. 스캔 속의 조직이 단단할수록 장치는 더 강하게 밀어냅니다. 이것은 단순히 모든 것을 똑같이 느껴지게 만드는 속임수가 아닙니다. 이 시스템은 실시간으로 가상 표면의 강성(stiffness)을 변화시킴으로써 지방, 액체, 부드러운 장기, 뼈와 같은 서로 다른 유형의 조직을 구별하도록 설계되었습니다. 연구진은 이미지 데이터로부터 물리적 힘으로의 이러한 직접적인 변환이 실제로 유용할 만큼 잘 작동하는지, 그리고 컴퓨터가 매끄럽고 자연스럽게 느껴질 만큼 빠르게 업데이트할 수 있는지 알고 싶었습니다.

아이디어를 테스트하기 위해 연구진은 복부 CT 스캔 시뮬레이션이 실행되는 컴퓨터에 연결된, 사용자의 손을 밀거나 당길 수 있는 로봇 팔인 표준 햅틱 장치를 사용했습니다. 그들은 실제 환자나 물리적인 조직 모델을 사용하지 않았습니다. 대신, 가상의 몸을 통과하는 경로를 따라 이동하는 다섯 가지 서로 다른 공개 CT 스캔을 통과하도록 가상 프로브를 프로그래밍했습니다. 프로브가 이동함에 따라, 컴퓨터는 해당 지점의 조직 밀도에 따라 얼마만큼의 힘을 적용할지 계산했습니다. 시스템은 조직이 얼마나 단단하게 느껴질지 결정하기 위해 특정 규칙을 사용합니다. 예를 들어, 지방에 특정 강성을 할당하고, 액체에 다른 강성을, 그리고 부드러운 장기에 또 다른 강성을 할당합니다. 흥ably하게도, 연구진은 스캔 데이터상에서 지방보다 액체의 밀도가 더 높음에도 불구하고, 액체가 지방보다 더 부드럽게 느껴지도록 시스템을 프로그래밍했습니다. 이는 프로브가 자유로운 액체 속으로는 쉽게 가라앉지만 지방 조직에서는 더 많은 저항을 만난다는 물리적 현실에 맞추기 위한 의도적인 선택이었으며, 이는 시스템이 숫자의 엄격한 수학적 순서보다 의사가 몸을 느끼는 방식에 우선순위를 두었음을 보여줍니다.

시뮬레이션 결과는 시스템이 부드러운 조직과 단단한 조직 사이의 명확한 차이를 성공적으로 만들어낼 수 있음을 보여주었습니다. 가상 프로브가 지방이나 액체와 같은 부드러운 띠를 통과할 때, 느껴지는 힘은 매우 가벼웠으며 뉴턴의 천 분의 일 단위로 측정되었습니다. 반면 부드러운 장기나 석회화된 조직과 같은 더 단단한 영역으로 이동했을 때 저항은 눈에 띄게 증가했습니다. 가장 부드러운 조직과 가장 단단한 조직 사이의 차이는 데이터상에서 명확히 구분될 만큼 컸으며, 단단한 조직은 부드러운 조직보다 약 20에서 68 천 분의 1 뉴턴 정도 더 단단하게 느껴졌습니다. 이러한 분리는 테스트한 다섯 가지의 모든 CT 스캔에서 일관되게 나타났습니다. 그러나 연구진은 프로브가 뼈와 같이 가장 밀도가 높은 물질에 닿았을 때 상당한 한계를 발견했습니다. 장치에는 흔들리거나 통제 불능으로 진동하는 것을 방지하기 위한 안전 제한치가 있습니다. 스캔 속의 뼈가 너무 밀도가 높았기 때문에, 이를 제대로 느끼기 위해 필요한 힘이 이 안전 제한치에 도달했습니다. 결과적으로, 시스템은 매우 단단한 석회화된 조직과 뼈 사이의 차이를 완전히 보여줄 수 없었습니다. 장치가 최대 압력에 도달했기 때문에 두 조직 모두 거의 비슷하게 느껴졌습니다.

연구는 또한 시스템이 느낌을 얼마나 빠르게 업데이트할 수 있는지를 살펴보았습니다. 촉각이 매끄럽고 실제처럼 느껴지려면 컴퓨터는 초당 수백 번 힘을 재계산해야 합니다. 연구진은 시스템이 초당 213회에서 278회 사이로 힘을 업데이트한다는 것을 발견했습니다. 이는 상호작용하기에는 충분히 빠른 속도이지만, 초당 1,000회의 업데이트를 수행하는 장치의 내부 모터보다는 느립니다. 이 격차는 사용자가 매우 단단한 표면을 만질 때 힘이 약간 단계적이거나 거칠게 느껴지게 하여, 웅웅거리는 진동(buzzing)을 유발할 수 있음을 의미합니다. 연구진은 만약 장치가 더 강하게 밀 수 있도록 허용했다면 단단한 조직들 사이의 차이가 훨씬 더 명확했을 것이라고 언급했지만, 진동을 피하기 위해 힘을 낮게 유지해야만 했습니다. 그들은 이 방법이 컴퓨터 시뮬레이션 내에서 부드러운 조직과 단한 조직을 구분하는 데는 효과적이지만, 현재의 안전 설정이 가장 단단한 조직들의 차이를 가리고 있다고 결론지었습니다.

궁극적으로, 이 연구는 CT 스캔을 의사가 부드러운 장기와 단단한 뼈의 차이를 느낄 수 있는 촉각적 경험으로 전환하는 것이 가능하다는 것을 입증합니다. 시스템은 이미지 데이터를 인간의 손이 인지할 수 있는 힘으로 성공적으로 변환하여, 부드러운 영역과 단단한 영역 사이의 명확한 구분을 만들어냈습니다. 주요 장애물은 이미지를 힘으로 변환하는 방식이 아니라, 장치가 몸에서 발견되는 전체 범위의 단단함을 보여주는 것을 방해하는 현재 하드웨어의 안전 제한치입니다. 연구진은 만약 장치의 안정성을 더 정밀하게 측정하고 진동 없이 더 높은 힘을 허용할 수 있다면, 이 시스템이 의사들이 3D 장기 모델을 편집하고 검증하는 데 있어 이미 의존하고 있는 시각 정보에 촉각을 더해주는 강력한 도구가 될 수 있다고 제안합니다.

기술 요약: 볼륨형 CT의 햅틱 가상 촉진(Haptic Virtual Palpation)

문제 정의
컴퓨터 단층촬영(CT)은 하운스필드 단위(HU)로 매핑된 상세한 볼륨 데이터를 제공하지만, 표준 임상 시각화는 여مة적으로 시각적 정보에만 국한되어 있어 개복 수술 시 내재된 물리적 검사 및 촉각 피드백을 배제하고 있다. 1990년대와 2000년대의 선행 연구들이 의료용 볼륨 햅틱(예: Avila & Sobierajski, 1996; Blezek & Robb, 1999)을 확립했음에도 불구하고, 기존의 밀도 렌더링 시스템은 여전히 특성 규명이 미흡하다. 구체적으로, 힘-대-깊이 곡선(force-versus-depth curves), 조직 간 힘 식별력, 안정적인 강성 범위, 루프 지연 시간과 같은 사용성 핵심 지표를 보고하는 튜닝 가능한 시스템이 부족한 실정이다. 또한, 방사선 밀도와 기계적 강성 사이의 관계는 보편적이지 않으므로(Helgason et al., 2008), 엄격한 물리 법칙보다는 튜닝 가능한 지각적 전이 함수(perceptual transfer function)가 필요하다.

방법론
저자들은 AI 기반 장기 분할(segmentation)의 인간 참여형 편집(human-in-the-loop editing)을 지원하며, 6-DoF 스타일러스 상호작용을 위한 유니티(Unity) 기반 시각-햅틱 플랫폼을 제시한다. 핵심 방법론은 밀도-대-힘 렌더링 파이프라인을 포함한다:

밀도 샘플링: 스타일러스 팁 위치를 연속적인 복셀 좌표에 매핑한다. 복셀 스내핑(voxel snapping)으로 인한 힘의 불연속성을 방기하기 위해, 주변 복셀의 삼선형 보간(trilinear interpolation)을 통해 팁에서의 하운스필드 단위(HU) 값을 얻는다.
HU-대-강성 전이: 구간별 전이 함수(piecewise transfer function)가 샘플링된 HU 값을 강성( $k$ )에 매핑한다. 시스템은 연속적인 HU 밴드(예: 공기, 지방, 액체 유사, 연조직, 고밀도 석회화, 뼈)를 정의한다. 주목할 점은, 이 매핑이 단조로운 물리 법칙이 아닌 지각적 할당이라는 것이다. 예를 들어, 자유 액체는 지방 조직보다 프로브에 대한 저항이 적다는 것을 반영하여 액체를 지방( $k=7.7$ N/m)보다 부드럽게( $k=1.5$ N/m) 렌더링한다.
힘 렌더링: 접촉은 조직 진입 초기 지점에 고정된 가상 프록시(god-object) 모델을 사용하여 렌더링된다. 힘은 켈빈-보이히트(Kelvin–Voigt) 점탄성 모델(병렬 연결된 스프링과 댐퍼)을 사용하여 계산된다:
$F = -k(HU) \delta - b v$
여기서 $\delta$ 는 침투 깊이, $v$ 는 팁 속도이다.
안정성 및 필터링: 이산 시간 햅틱 렌더링에서 발생하는 안정성 문제(특히 높은 강성에서의 "버징" 현상)를 해결하기 위해, 명령된 힘은 저역 통과 필터링( $F_{out} = \alpha F + (1-\alpha)F_{prev}$ )을 거친다. 시스템은 최대 출력 힘을 제한하기 위해 안전 힘 클램프( $F_{max}$ )를 사용한다.
평가 프로토콜: 본 연구는 5개의 공개 복부 CT 볼륨을 활용하였다. 평가는 두 가지 소스를 통해 수행되었다: (a) 루프 속도와 지연 시간을 측정하기 위한 인간 작업자의 하드웨어 기록, (b) 작업자 변동성 없이 재현 가능한 힘 통계를 생성하기 위한 결정론적 시뮬레이션 프로브(32,388 에피소드).

주요 결과

성능: 시스템은 네이티브 1 kHz 서보 루프 상에서 213–278 Hz의 중앙값 업데이트 속도를 달연했으며, 지연 시간은 3.6 ms에서 8.5 ms 사이로 나타나 인터랙티브한 속도에서 안정적으로 작동했다.
힘 식별력: 시스템은 연조직(지방, 액체)과 단단한 조직(연조직, 고밀도 석회화, 뼈)을 성공적으로 분리하였다. 프리드만 검정(Friedman test) 결과, 5개 볼륨 모두에서 일관된 순위가 확인되었다( $\chi^2 = 20.0, p = 5 \cdot 10^{-4}$ ). 연조직과 단단한 밴드 사이의 분리 정도는 20에서 68 mN 사이였다.
클램프의 한계: 안전 클램프( $F_{max} = 0.07$ N)가 가장 밀도가 높은 두 밴드(고밀도 석회화와 뼈) 사이의 식별력을 현저히 압축한다는 것이 중요한 발견이었다. 강성 매핑은 한 자릿수 차이(18.5–153.8 N/m vs. 153.8 N/m)를 할당했지만, 힘 클램프는 렌더링된 차이를 단 6.1 mN로 제한했다.
클램프 민감도: 클램프를 0.20 N으로 높이면 분리력이 회복되어, 가장 단단한 쌍의 효과 크기( $|d|$ )가 0.78에서 1.54로 증가했다. 그러나 저자들은 0.07 N이 버징을 방지하기 위해 주관적으로 선택되었으며, 실제 안정성 엔벨로프는 아직 측정되지 않았다고 언급했다.

의의 및 주장
본 논문은 분할된 메쉬 접근 방식과 구별되는, 원시 CT 데이터의 직접적인 밀도-대-힘 렌더링을 위한 기술적으로 특성화되고 튜닝 가능하며 문서화된 베이스라인을 제공한다고 주장한다.

타당성: 본 연구는 직접적인 밀도-대-힘 렌더링이 인터랙티브한 연조직-대-단단한 조직 분리를 포함하여 인실리코(in-silico) 환경에서 가능하다는 것을 입증한다.
지각적 유용성: 이 방법은 훅의 법칙(Hooke's law)이 강도 인코딩된 조직의 입자감을 지각할 수 있게 하여, 시각을 보완하여 조직 전이 위치를 찾거나 분할 경계를 확인하는 데 도움을 줄 수 있다.
한계 및 겸손함: 저자들은 현재 결과가 느껴지는 것이 아니라 시뮬레이션된 것임을 명시적으로 밝힌다. 보고된 힘은 인간의 지각이 아닌 결정론적 프로브로부터 도출되었으며, 현재의 힘 클램프(0.07 N)는 시스템의 전체 식별 잠재력을 제한하는 보수적인 작동 지점이다. 본 논문은 생체 역학적 실재성을 주장하는 것이 아니라 특정 응용 목적의 전이 함수를 다룬다.
향 후에 대한 방향: 저자들은 즉각적인 우선순위가 매핑 튜닝이 아니라, 객관적으로 안정적인 렌더링 엔벨로프를 측정하기 위해 장치 텔레메트리(telemetry)를 확보하는 것이라고 식별하였다. 향후 과제에는 힘 클램프 높이기, 비단조적(non-monotonic)인 액체-지방 순서의 지각적 타당성을 검증하기 위한 지각 검증 연구 수행, 그리고 힘 출력을 네이티브 1 kHz 서보 결합으로 이전하는 것이 포함된다.

결론적으로, 이 연구는 밀도-대-힘 렌더링의 완전한 잠재력이 안전 클램핑과 경험적 지각 검증의 부재로 인해 현재 제약받고 있음을 인정하면서도, 3D 분할 편집에 촉각적 차원을 더하는 기능적인 가상 촉진 프로토타입을 구축하였다.

유사한 논문