골격화 분석 (Skeletonization Analysis)

한 줄 정의: 이진화된 이미지 속 신경돌기나 혈관 같은 가늘고 긴 구조물을, 원래의 연결 형태는 그대로 둔 채 폭 1픽셀짜리 선으로 얇게 깎아 길이와 가지 구조를 정확히 재는 영상처리 기법입니다.

쉽게 풀면

두꺼운 나뭇가지 사진을 놓고, 나무의 모양(어디서 갈라지고 어디로 뻗는지)은 그대로 유지하면서 모든 가지를 종이처럼 얇은 실선으로 다시 그린다고 상상해 보세요. 골격화 분석이 하는 일이 바로 이겁니다. 현미경 사진 속 신경세포의 돌기나 혈관은 두께가 제각각이라 그대로는 길이를 재기 어려운데, 두께 정보를 지우고 중심선만 남기면 자로 재듯 정확한 길이와 가지 개수를 셀 수 있습니다. 마치 지도에서 도로의 폭은 무시하고 도로 중심을 따라가는 선만 그려서 총 도로 길이를 계산하는 것과 비슷합니다.

왜 중요한가

신경돌기 성장이나 혈관 신생처럼 '얼마나 길게, 얼마나 많이 뻗었는가'가 핵심 지표인 실험에서, 골격화는 사람의 육안 판단 없이 객관적이고 재현 가능한 정량 수치를 제공합니다. 이 수치(총 길이, 가지 수, 말단점 개수 등)는 약물 처리나 유전자 조작 전후의 형태 변화를 통계적으로 비교하는 근거 자료로 널리 쓰입니다.

논문에서는 이렇게 쓰입니다

"세포 형태를 이진화한 후 골격화 분석을 수행하여 신경돌기의 총 길이와 분지점 수를 정량화하였다."

현미경 이미지를 흑백으로 변환한 뒤 골격화 알고리즘을 적용해, 신경돌기가 얼마나 길게 자랐고 몇 번 갈라졌는지를 숫자로 계산했다는 뜻입니다.

"골격화된 혈관망 이미지로부터 분지 밀도와 평균 분지 길이를 산출하여 대조군과 비교하였다."

혈관 이미지를 골격화해서 나온 가는 선 구조로부터, 단위 면적당 가지가 얼마나 촘촘한지와 가지 하나의 평균 길이를 계산해 정상군과 비교했다는 의미입니다.

조금 더 깊게 보면

골격화는 보통 반복적 세선화(iterative thinning) 알고리즘으로 구현되며, 위상(연결성)을 깨뜨리지 않도록 매 단계에서 픽셀을 조심스럽게 제거하는 것이 핵심입니다. ImageJ/Fiji의 Skeletonize3D, 파이썬의 scikit-image 등이 널리 쓰이며, 골격화 이후에는 각 픽셀을 말단점·분지점·연결선으로 분류하는 후처리를 거쳐 길이, 분지 수, 분지 각도 같은 정량 지표를 추출합니다.

주의할 점

골격화 결과는 사전 이진화(threshold) 품질에 크게 좌우되며, 이진화가 잘못되면 실제로는 하나로 이어진 가지가 끊어지거나 잡음이 가짜 가지로 잡히는 오류가 흔합니다. 또한 골격화 자체는 두께 정보를 완전히 버리므로, 구조물의 굵기(예: 혈관 지름)를 함께 봐야 하는 분석에는 별도의 지표를 병행해야 합니다.