영상 품질 지표(Image Quality Metrics)¶
요약
이 페이지는 "어떤 처리(processing) 단계가 영상을 실제로 개선했는가, 아니면 손상시켰는가"를 객관적으로 판정하기 위한 물리적·통계적 지표 체계를 정리한다. 핵심은 시스템이 공간 주파수(spatial frequency)별로 대조도(contrast)를 얼마나 전달하는지를 나타내는 MTF(Modulation Transfer Function)이다. MTF를 중심으로 분해능(spatial resolution)을 기술하는 PSF/LSF/ESF 계열, 잡음의 주파수 분포를 보는 NPS(Noise Power Spectrum), 선량 효율의 종합 지표인 DQE(Detective Quantum Efficiency), 그리고 대조도·잡음 기반 지표인 SNR/CNR을 차례로 다룬다. 마지막으로 객관 지표와 임상 검출능을 잇는 관찰자 연구(observer study)와, sharpening·smoothing 같은 처리가 이들 지표를 어떻게 왜곡할 수 있는지를 경고한다.
왜 정량 지표가 필요한가¶
맘모그램 처리 파이프라인에서 우리는 끊임없이 선택을 내린다. 어떤 sharpening 커널을 쓸 것인가, 어느 정도의 denoising을 적용할 것인가, 톤 압축 곡선을 어떻게 잡을 것인가. 이런 선택은 "보기에 좋다"는 주관적 인상만으로는 정당화할 수 없다. 미세석회화(microcalcification) 검출처럼 임상적으로 결정적인 과제는 사람 눈에 더 선명해 보이는 영상이 실제로는 잡음을 함께 증폭하여 검출능을 떨어뜨리는 경우가 흔하기 때문이다.
따라서 영상 품질은 신호 전달 특성(얼마나 충실히 구조를 전달하는가)과 잡음 특성(얼마나 많은 무작위 변동이 섞이는가), 그리고 둘의 결합인 검출능(detectability)의 세 축으로 분해해서 측정한다. 이 페이지의 지표들은 각각 이 세 축 중 하나 또는 그 결합을 정량화한다.
flowchart LR
A[입력 구조<br/>대조도 + 공간 주파수] --> B[시스템/처리]
B --> C[출력 영상]
A -.->|신호 전달| D[MTF]
B -.->|잡음 추가| E[NPS / SNR]
D --> F[DQE<br/>= 신호와 잡음의 결합]
E --> F
F -.->|임상 검증| G[CNR / ROC / 관찰자 연구]공간 분해능과 PSF / LSF / ESF¶
공간 분해능(spatial resolution)은 시스템이 얼마나 가깝게 붙어 있는 두 구조를 분리해서 표현할 수 있는가를 가리킨다. 분해능을 기술하는 출발점은 시스템의 임펄스 응답(impulse response), 즉 이상적인 점 입력에 대한 출력 모양이다.
- PSF(Point Spread Function): 무한히 작은 점 광원(point source)을 입력했을 때 출력에 퍼져 나타나는 2차원 분포 \(h(x,y)\). 시스템이 점을 얼마나 번지게(blur) 하는지를 직접 보여 준다.
-
LSF(Line Spread Function): 무한히 가는 선(line) 입력에 대한 1차원 응답. PSF를 한 방향으로 적분(투영)한 것과 같다.
\[\mathrm{LSF}(x) = \int_{-\infty}^{\infty} \mathrm{PSF}(x, y)\, dy\] -
ESF(Edge Spread Function): 계단형 경계(step edge) 입력에 대한 응답. 실무에서 점·선보다 날카로운 직선 경계를 만들기가 훨씬 쉬우므로 측정에 가장 널리 쓰인다. ESF를 미분하면 LSF가 된다.
\[\mathrm{LSF}(x) = \frac{d}{dx}\,\mathrm{ESF}(x)\]
세 함수는 본질적으로 같은 정보를 다른 입력 형태로 본 것이며, \(\text{ESF} \xrightarrow{\,d/dx\,} \text{LSF} \xrightarrow{\,\mathcal{F}\,} \text{MTF}\)의 사슬로 연결된다.
왜 미세석회 검출에 분해능이 결정적인가
미세석회화는 크기가 대략 수십~수백 µm에 불과한 고대비 점 구조다. 시스템의 PSF 폭이 석회 크기에 근접하거나 그보다 크면, 신호가 주변 화소로 번져 대조도가 희석되고 두 개의 인접한 석회가 하나로 합쳐져 보인다. 즉 미세석회 검출 가능성은 시스템의 고주파 전달 능력(=높은 공간 주파수에서의 MTF)에 직접적으로 의존한다. 이것이 분해능 지표를 맘모그래피에서 특히 중요하게 다루는 이유다.
MTF (Modulation Transfer Function)¶
정의¶
MTF는 시스템이 공간 주파수 \(f\)(단위: line pair per millimeter, lp/mm)별로 입력 대조도(modulation)를 출력에 얼마나 충실히 전달하는지를 나타내는 함수다. 어떤 주기적 패턴의 변조도(modulation)는
로 정의되며, MTF는 주파수별 출력 변조도와 입력 변조도의 비다.
선형·시불변(linear shift-invariant, LSI) 시스템 가정 아래에서 MTF는 LSF의 푸리에 변환 크기를 0 주파수에서 1이 되도록 정규화한 것과 같다.
\(\mathrm{MTF}(0)=1\)은 평탄한(DC) 대조도는 완벽히 전달된다는 뜻이고, 주파수가 올라갈수록 MTF가 떨어지는 것은 미세한 구조일수록 흐려진다는 뜻이다.
Nyquist 주파수와 픽셀 피치¶
디지털 디텍터는 화소를 일정 간격으로 표본화(sampling)한다. 화소 피치(pixel pitch)를 \(\Delta x\)라 하면, 표본화 정리에 의해 충실히 표현 가능한 최대 공간 주파수인 Nyquist 주파수(Nyquist frequency)는
이다. 예컨대 화소 피치가 50 µm(\(0.05\) mm)인 디텍터의 Nyquist 주파수는 \(10\) lp/mm이다. 이보다 높은 주파수 성분은 별칭(aliasing)으로 접혀 들어와 인공물(artifact)을 만든다. 따라서 디텍터 MTF는 보통 Nyquist 주파수까지 평가하며, 이 대역에서 MTF가 높을수록 미세 구조 전달 능력이 좋다.
측정법: edge method / slanted-edge¶
현실에서 이상적 점·선을 만들기 어렵기 때문에, 표준 측정은 에지법(edge method)을 쓴다. 텅스텐 같은 고감쇠 물질의 날카로운 직선 경계를 촬영하여 ESF를 얻고, 이를 미분해 LSF를 구한 뒤 푸리에 변환한다.
특히 경사 에지법(slanted-edge method)은 에지를 화소 격자에 대해 1.5~3° 정도 기울여 배치한다. 이렇게 하면 여러 행(row)에 걸쳐 에지가 화소 경계를 조금씩 다른 위상으로 가로질러, 화소 피치보다 미세한 초표본화(super-sampled) ESF를 합성할 수 있다. 그 결과 Nyquist 주파수 부근까지 안정적으로 MTF를 측정할 수 있어 IEC 62220-1을 비롯한 표준이 이 방법을 채택한다.
측정 절차 요약
- 경사진 에지 팬텀(edge phantom)을 촬영해 에지 영역 영상을 얻는다.
- 에지 각도를 추정하고, 각 행의 에지 프로파일을 에지에 수직인 축으로 재정렬(re-bin)하여 초표본화 ESF를 구성한다.
- ESF를 평활·미분하여 LSF를 얻는다.
- LSF에 윈도우(window)를 적용한 뒤 이산 푸리에 변환하고 \(f=0\)에서 정규화하여 MTF를 얻는다.
종속 MTF (cascaded MTF)¶
영상 시스템은 여러 단계(초점 크기, 신틸레이터/광변환, 화소 개구, 표본화, 처리 등)의 직렬 결합이다. 각 단계가 LSI라면 전체 MTF는 각 구성요소 MTF의 곱이다.
곱셈이므로 어느 한 단계라도 특정 주파수에서 0에 가까우면 전체 시스템도 그 주파수를 잃는다. 이것이 "가장 약한 고리"가 분해능을 결정하는 이유다.
처리와 MTF의 관계¶
후처리(post-processing)도 MTF를 바꾼다. 단, 디텍터의 물리적 MTF와 처리의 MTF는 성격이 다르다.
- Sharpening / edge enhancement는 고주파 성분을 인위적으로 증폭하여 고주파 영역의 MTF를 1보다 크게 끌어올릴 수 있다. 보기에는 선명해지지만, 손실된 정보를 복원하는 것이 아니라 남아 있는 신호와 잡음을 함께 증폭하는 것이라는 점에 주의해야 한다.
- Smoothing / denoising는 고주파를 억제하므로 고주파 MTF를 떨어뜨린다. 잡음은 줄지만 미세 구조도 함께 흐려진다.
처리 MTF는 검출능을 보장하지 않는다
Sharpening으로 MTF를 끌어올려도 SNR은 개선되지 않을 수 있다. 신호와 잡음을 같은 비율로 증폭하기 때문이다. 처리가 진짜로 도움이 되었는지는 MTF 하나가 아니라 NPS·SNR과 함께 봐야 하며, 궁극적으로는 DQE 또는 관찰자 연구로 판정해야 한다.
NPS (Noise Power Spectrum)¶
NPS(또는 Wiener spectrum)는 잡음의 분산이 공간 주파수에 어떻게 분포하는지를 나타낸다. 균일 노출(flat-field) 영상에서 평균을 뺀 잡음 변동 \(\Delta I(x,y)\)의 푸리에 변환 크기 제곱의 기댓값으로 정의된다.
여기서 \(u,v\)는 2차원 공간 주파수, \(\Delta x, \Delta y\)는 화소 피치, \(L_x, L_y\)는 분석 영역 크기다. NPS를 전 주파수에 걸쳐 적분하면 화소 분산 \(\sigma^2\)이 되므로, NPS는 분산을 주파수별로 분해한 것으로 볼 수 있다.
NPS의 모양은 잡음의 "색"을 알려 준다. 평탄한 NPS는 백색 잡음(white noise)이고, 저주파에 치우치면 얼룩진(blotchy) 잡음, 고주파에 치우치면 입자감(grainy) 잡음이다. Sharpening은 NPS를 고주파 쪽으로 밀어 올리고, smoothing은 깎아내린다. 두 처리가 MTF에 한 일과 정확히 같은 방향이라는 점이 핵심이다 — 그래서 MTF만으로는 처리의 순효과를 알 수 없다.
잡음 통계와 SNR¶
양자 잡음 (Poisson noise)¶
맘모그래피에서 지배적인 잡음원은 X-ray 광자의 통계적 변동인 양자 잡음(quantum noise)이다. X-ray와 감쇠에서 보듯 검출되는 광자 수 \(N\)은 푸아송 분포(Poisson distribution)를 따르며, 그 분산은 평균과 같다.
즉 잡음의 표준편차는 신호(광자 수)의 제곱근에 비례하고(\(\sigma \propto \sqrt{\text{신호}}\)), 분산은 신호에 비례한다. 이는 선량(dose)을 높일수록 절대 잡음은 커지지만 상대 잡음은 줄어듦을 뜻한다.
SNR 정의¶
SNR(Signal-to-Noise Ratio)은 신호의 평균을 그 잡음 표준편차로 나눈 값이다.
양자 잡음이 지배적인 경우 \(\mathrm{SNR} = \bar{N}/\sqrt{\bar{N}} = \sqrt{\bar{N}}\)이 되어, SNR이 광자 수(즉 선량)의 제곱근에 비례한다. 이 관계가 선량과 영상 품질의 근본적 균형을 규정한다.
DQE (Detective Quantum Efficiency)¶
DQE는 디텍터가 입사한 X-ray 광자의 정보를 얼마나 효율적으로 출력 영상의 SNR로 변환하는지를 주파수별로 나타내는, 디지털 디텍터 평가의 황금 표준(gold standard)이다. 정의는 출력 SNR 제곱과 입력 SNR 제곱의 비다.
입력 SNR은 입사 광자의 푸아송 통계로 결정되므로 \(\mathrm{SNR}_{\text{in}}^2 = q\)(단위 면적당 입사 광자수 fluence)와 같다. 이를 측정 가능한 양으로 풀어 쓰면
가 된다. 여기서 \(G\)는 시스템 이득(평균 신호/입사 광자수), \(q\)는 입사 광자 fluence이다. 핵심 구조는 분자에 \(\mathrm{MTF}^2\), 분모에 \(\mathrm{NPS}\)가 들어간다는 점이다.
DQE가 황금 표준인 이유
DQE는 신호 전달(MTF)과 잡음(NPS)을 한 지표로 결합하므로, 처리나 시스템 변경이 영상을 정말 개선했는지 판단할 수 있다. Sharpening처럼 MTF와 NPS를 같은 비율로 키우는 처리는 분자·분모가 함께 커져 DQE가 변하지 않는다 — 즉 "새 정보"를 만들지 못했음을 정확히 드러낸다. 같은 선량으로 더 높은 DQE를 내는 시스템은 더 좋은 시스템이며, 반대로 같은 영상 품질을 더 낮은 선량으로 달성한다. 측정 표준은 IEC 62220-1에 정의되어 있다.
DQE는 선형 디텍터 지표다
DQE는 LSI·선형 신호 응답을 전제로 하며 주로 디텍터 수준에서 정의된다. 비선형 톤 매핑이나 적응형 enhancement 같은 후처리에는 그대로 적용되지 않는다. 처리 단계의 평가에는 아래의 CNR/SNR 비교와 관찰자 연구가 더 적합하다.
대조도 지표: Contrast와 CNR¶
대조도 (contrast)¶
대조도는 관심 구조와 배경의 밝기 차이다. 두 영역 A(병변), B(배경)의 평균 신호를 \(\mu_A, \mu_B\)라 하면 차이 대조도는 \(C = |\mu_A - \mu_B|\), 상대 대조도는 \(C = |\mu_A - \mu_B|/\mu_B\)로 정의한다. 대조도의 물리적 기원과 특성 곡선에 의한 변환은 별도 페이지에서 다룬다.
CNR (Contrast-to-Noise Ratio)¶
대조도만으로는 검출 가능성을 알 수 없다. 잡음이 그 차이를 묻어 버릴 수 있기 때문이다. CNR은 대조도를 잡음 표준편차로 정규화한다.
여기서 \(\sigma\)는 보통 배경 영역의 잡음 표준편차(또는 두 영역 잡음의 결합)다. CNR은 "병변이 잡음 위로 얼마나 솟아 있는가"를 직접 나타내므로, 검출 가능성과 직관적으로 잘 대응한다.
처리 알고리즘 비교의 실무 관행
서로 다른 enhancement/denoising 설정을 비교할 때, 동일한 관심 영역(ROI)에서 병변 ROI와 배경 ROI를 잡아 SNR과 CNR을 측정하고 처리 전후로 비교하는 것이 표준적 정량 평가 방식이다. CNR이 올랐다면 처리가 검출에 도움을 줄 가능성이 있다. 다만 CNR은 단일 주파수·단일 ROI 측정이라 공간 주파수 정보를 잃으므로, 가능하면 MTF/NPS와 병행해 해석한다.
인지·관찰자 지표: 객관 지표에서 임상 검출능으로¶
MTF·NPS·DQE·CNR은 모두 물리·통계적 지표지만, 최종 목적은 "사람(또는 알고리즘)이 병변을 실제로 더 잘 찾는가"이다. 이 둘을 잇는 것이 관찰자 연구(observer study)다. 여러 판독자가 처리된 영상에서 병변 유무를 판정하게 하고, 그 성능을 ROC(Receiver Operating Characteristic) 곡선과 그 아래 면적인 AUC(Area Under the Curve)로 정량화한다. AUC가 1에 가까울수록 검출능이 높고, 0.5는 무작위 추측 수준이다.
물리 지표와 관찰자 성능을 잇는 표준 도구가 팬텀(phantom)이다. CDMAM 팬텀은 다양한 지름·두께의 금 원반(gold disc)을 격자에 배열하여, 시스템과 처리가 어느 대조도·크기까지 검출 가능한지를 대조도-세부 곡선(contrast-detail curve)으로 측정한다. ACR 인증 팬텀은 모사 미세석회·섬유·종괴를 포함해 일상 정도관리(QC)에 쓰인다.
리포지터리 안의 팬텀 데이터
이 프로젝트의 data/ 디렉터리에는 ACR 팬텀 영상이 포함되어 있어, 처리 파이프라인이 모사 미세석회·섬유·종괴를 얼마나 잘 보존하는지를 실제로 점검하는 데 활용할 수 있다.
처리 알고리즘 평가 시 주의사항¶
지금까지의 지표를 종합하면, 처리(enhancement/denoising) 평가에서 빠지기 쉬운 함정을 분명히 정리할 수 있다.
- 보기 좋음 ≠ 정보 증가. Sharpening은 고주파 MTF를 1 이상으로 끌어올려 영상을 선명하게 보이게 하지만, 동시에 NPS도 같이 커져 DQE는 그대로일 수 있다. 즉 새 정보를 만든 것이 아니다.
- 잡음·인공물 증폭. 과도한 enhancement는 양자 잡음과 구조적 인공물(ringing, halo, 위양성 점)을 함께 강조하여 위양성을 늘릴 수 있다.
- MTF 왜곡. 비선형·적응형 처리는 국소적으로 MTF를 들쭉날쭉하게 만들어, 전역 MTF 한 곡선으로는 특성을 제대로 기술하기 어렵다.
- 정량+정성 병행. 따라서 단일 지표에 의존하지 말고, SNR/CNR(국소), MTF/NPS(주파수), DQE(종합), 그리고 ROC/관찰자 연구(임상)를 함께 보아 처리의 순효과를 판정해야 한다.
지표 요약표¶
| 지표 | 측정 대상 | 정의식 | 해석 |
|---|---|---|---|
| PSF / LSF / ESF | 임펄스 응답(번짐) | \(\mathrm{LSF}=\frac{d}{dx}\mathrm{ESF}\), \(\mathrm{LSF}=\int \mathrm{PSF}\,dy\) | 분해능의 공간 영역 기술. 좁을수록 선명 |
| MTF | 주파수별 신호 전달 | \(\mathrm{MTF}(f)=\dfrac{M_{\text{out}}(f)}{M_{\text{in}}(f)}=\dfrac{\lvert\mathcal{F}\{\mathrm{LSF}\}\rvert}{\lvert\mathcal{F}\{\mathrm{LSF}\}\rvert_{f=0}}\) | 1에 가까울수록 충실 전달. 고주파에서 분해능 결정 |
| Nyquist 주파수 | 표본화 한계 | \(f_{\text{Nyq}}=\dfrac{1}{2\Delta x}\) | 이보다 높은 주파수는 aliasing |
| NPS | 잡음의 주파수 분포 | \(\mathrm{NPS}(u,v)\propto\langle\lvert\mathcal{F}\{\Delta I\}\rvert^2\rangle\) | 잡음의 "색". 전적분 = \(\sigma^2\) |
| SNR | 신호 대 잡음 | \(\mathrm{SNR}=\dfrac{\mu}{\sigma}\) | 양자잡음 한계에서 \(\propto\sqrt{\bar N}\) |
| DQE | 선량 효율(종합) | \(\mathrm{DQE}(f)=\dfrac{\mathrm{SNR}_{\text{out}}^2(f)}{\mathrm{SNR}_{\text{in}}^2(f)}\propto\dfrac{\mathrm{MTF}^2(f)}{\mathrm{NPS}(f)}\) | 디텍터 평가의 황금 표준 |
| Contrast | 신호 차이 | \(C=\lvert\mu_A-\mu_B\rvert\) | 잡음 무시 시 한계 명확 |
| CNR | 대조도 대 잡음 | \(\mathrm{CNR}=\dfrac{\lvert\mu_A-\mu_B\rvert}{\sigma}\) | 검출 가능성과 직접 대응 |
| ROC / AUC | 관찰자 검출능 | \(\mathrm{AUC}=\int_0^1 \mathrm{TPR}\,d(\mathrm{FPR})\) | 임상 검출 성능. 1=완벽, 0.5=무작위 |
참고문헌¶
- International Electrotechnical Commission, IEC 62220-1: Medical electrical equipment — Characteristics of digital X-ray imaging devices — Part 1: Determination of the detective quantum efficiency, IEC, Geneva, 2003. (개정판 IEC 62220-1-1:2015, 맘모그래피용 IEC 62220-1-2:2007 포함)
- J. T. Dobbins III, "Image Quality Metrics for Digital Systems," in Handbook of Medical Imaging, Vol. 1: Physics and Psychophysics, J. Beutel, H. L. Kundel, R. L. Van Metter, Eds., SPIE Press, 2000, ch. 3.
- J. T. Dobbins III, D. L. Ergun, L. Rutz, D. A. Hinshaw, H. Blume, D. C. Clark, "DQE(f) of four generations of computed radiography acquisition devices," Medical Physics, 22(10):1581–1593, 1995.
- ICRU, Report 54: Medical Imaging — The Assessment of Image Quality, International Commission on Radiation Units and Measurements, 1996.
- J. T. Bushberg, J. A. Seibert, E. M. Leidholdt, J. M. Boone, The Essential Physics of Medical Imaging, 3rd ed., Lippincott Williams & Wilkins, 2011.
- E. Samei, M. J. Flynn, D. A. Reimann, "A method for measuring the presampled MTF of digital radiographic systems using an edge test device," Medical Physics, 25(1):102–113, 1998.
- AAPM Task Group 233, Performance Evaluation of Computed Tomography Systems, AAPM Report No. 233, 2019. (DQE·NPS 측정 방법론 일반 참고)
- A. E. Burgess, "The Rose model, revisited," Journal of the Optical Society of America A, 16(3):633–646, 1999.
- ACR, Mammography Quality Control Manual / Digital Mammography QC Manual, American College of Radiology. (ACR 팬텀 평가)