ROI 기반 XCT 데이터 압축 및 재구성을 위한 ROIXComp 최적화

본 논문은 초고속 싱크로트론 방사선 시설에서 발생하는 테라바이트‑페타바이트 규모의 X‑CT 데이터를 효율적으로 관리하기 위한 새로운 압축 프레임워크 ROIXComp을 제시한다. 서론에서는 현재 X‑CT 데이터가 고해상도·고속 촬영으로 인해 저장·전송·처리 비용이 급증하고 있음을 강조하고, 기존의 일반 목적 압축기(예: Zstd, Gzip)와 손실 압축기(Sz3, Zfp)가 데이터의 물리적 특성(다이나믹 레인지, 노이즈 패턴, 구조적 상관관계)을 충분히 활용하지 못한다는 문제점을 지적한다. 배경 섹션에서는 X‑CT의 기본 원리와 2D 투영 이미지가 3D 재구성으로 이어지는 과정을 설명하고, ROI 기반 접근이 데이터 양을 크게 줄일 수 있음을 제시한다. 특히, 대부분의 스캔에서 실제 분석에 필요한 영역은 시료 자체에 국한되며, 주변 배경은 정보량이 적다. 관련 연구에서는 ROI 기반 압축이 의료 영상이나 원격 탐사에서 활용된 사례를 검토하고, 기존 방법들이 픽셀 수준의 마스크 적용에 머물러 과학 데이터의 볼륨 전체에 적용하기엔 확장성이 부족함을 지적한다. 또한, 오류 제한 압축(error‑bounded compression)이 과학 데이터에서 정밀도 보장을 위해 필수적이라는 점을 강조한다. 제안된 접근은 크게 세 단계로 구성된다. 1. **전처리 단계** - **배경 차감**: 캘리브레이션 스캔에서 얻은 배경 이미지(또는 자동 추정 배경)를 원본 이미지에서 픽셀 단위로 빼서 전경만 남긴다. - **강도 정규화**: 이미지의 최대 강도를 255로 스케일링해 8‑bit 범위로 변환함으로써 다양한 촬영 조건을 표준화한다. - **적응 임계값 설정**: 로컬 히스토그램과 평균·분산을 이용해 자동으로 최적 임계값을 계산하고, 이를 통해 전경·배경을 구분한다. - **이진 마스크 생성**: 위 단계에서 얻은 임계값을 이용해 ROI 영역을 정확히 정의하고, 마스크를 생성한다. 2. **특징 추출 단계** - ROI 마스크를 적용해 전경 영역만을 추출하고, 비 ROI 영역은 별도 처리한다. 이 과정에서 물리적 의미가 있는 구조적 특징(예: 경계, 층)만을 보존한다. 3. **압축 단계** - **오류 제한 양자화**: 사용자가 지정한 허용 오차(epsilon) 이하로 ROI 데이터를 양자화한다. 이는 손실 압축기의 입력으로 사용될 때 정밀도 손실을 수학적으로 제어한다. - **혼합 압축**: ROI 영역은 Sz3 혹은 Zfp 같은 오류 제한 손실 압축기로 고압축률을 달성하고, 비 ROI 영역은 Zstd, Gzip 등 무손실 압축기로 압축한다. 이렇게 하면 ROI는 품질을 유지하면서 전체 데이터는 크게 감소한다. 실험에서는 SPring‑8, ESRF, APS 등에서 수집한 7개의 서로 다른 X‑CT 데이터셋(해상도 13.9k×9.7k, 프레임 레이트 21.8fps 등)을 대상으로 압축 비율, 압축·해제 시간, 재구성 이미지의 PSNR 및 SSIM을 평가했다. 결과는 기존 표준 압축 대비 평균 12.34배 높은 압축 비율을 보였으며, 허용 오차 0.1% 이하에서는 PSNR이 45dB 이상, SSIM이 0.98 이상으로 품질 저하가 거의 없었다. 또한, 전처리와 ROI 추출 과정이 전체 파이프라인 시간의 15% 이하만 차지해 실시간 혹은 근실시간 워크플로우에 적용 가능함을 입증했다. 논의에서는 배경 추정이 부정확할 경우 ROI 경계가 흐려져 압축 효율이 감소할 수 있음을 언급하고, 3D 볼륨 전체에 대한 일관된 ROI 추출을 위한 확장 방안(예: 3D CNN 기반 세그멘테이션)과 자동 허용 오차 튜닝 메커니즘을 제안한다. 또한, 현재는 2D 슬라이스 단위 처리에 초점을 맞추었으나, HPC 클러스터 환경에서의 분산 구현 및 파이프라인 자동화가 향후 연구 과제로 제시된다. 결론적으로, ROIXComp은 ROI 기반 전처리와 오류 제한 양자화를 결합해 대규모 X‑CT 데이터의 저장·전송 비용을 획기적으로 낮추면서도 과학적 정확성을 유지하는 실용적인 솔루션이다. 향후 다양한 과학 이미지(예: 전자 현미경, 중성자 촬영)에도 적용 가능성이 높으며, HPC 기반 데이터 파이프라인에 쉽게 통합될 수 있다.