구면 스펙트럴 CNN 기반 대뇌 주름·소구역 자동 라벨링 연구

Automated Cortical Sulcal and Parcellation Labeling with Spherical Spectral CNNs

연구 내용

대뇌 표면의 주름과 소구역을 구면 도메인 스펙트럴 합성곱과 변형 필드를 이용해 정확히 라벨링하는 연구입니다.

대뇌 피질 표면을 구면 도메인으로 표현하고, 회전 등가성을 갖는 Spherical harmonics 기반 합성곱을 통해 라벨링 정확도를 확보하는 연구를 수행합니다. 변형 필드를 학습해 해부학적 변이의 영향을 완화하고, guided-attention으로 주름 ROI의 특징을 강조합니다. 또한 isotropic deformation을 구면에서 학습하되 역가사상(invertible mapping) 조건과 자기교차 제약을 고려하여 소구역 경계의 세부 패턴을 안정적으로 확장합니다. 데이터 증강 의존을 줄이는 방향의 설계가 차별성입니다.

관련 프로젝트

1건

연구 흐름

초기에는 Spherical harmonics 기반 회전 등가 합성곱을 사용하여 대뇌 소구역(cortical parcellation)을 정렬·증강 없이 학습 가능한 형태로 구성하는 연구를 수행했습니다. 이후에는 주름(sulcal) 라벨링에서 발생하는 작은 ROI 비율과 해부학적 변이를 함께 다루기 위해, 입력 수준 feature deformation과 guided-attention을 결합한 end-to-end 프레임워크로 확장했습니다. 최근에는 구면에서 isotropic deformation을 학습해 주름 ROI를 선택적으로 enlargement하면서도 역가사상과 충돌 제약을 유지하는 방향으로 성능을 향상하는 흐름을 보였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

대뇌 주름 자동 라벨링
피질 소구역 경계 추정
해부학적 변이 완화 학습
구면 도메인 세그멘테이션 파이프라인
ROI 확대 기반 미세 패턴 추출
데이터 증강 최소화 모델
표면 기반 질환 바이오마커 생성
표면 해부학 atlas 구축
수술 전·후 주름 비교
대규모 뇌영상 코호트 정량화