3D 복원 (디지털 복원)

고생물학에서 3D 복원의 개념적 토대는 1세기 이상 거슬러 올라간다. 1903년 윌리엄 존슨 솔라스(William Johnson Sollas)는 표본을 점진적으로 연마하면서 노출된 각 면을 도면이나 사진으로 기록하는 연속 절편법(serial sectioning)으로 화석을 조사하는 방법을 발표했다(Sollas, 1903, Philosophical Transactions of the Royal Society of London, Series B, 196: 259–265). 이 연속 절편 이미지는 화석의 3차원 내부 해부학을 이해하는 데 활용될 수 있었으며, 파괴적이지만 선구적인 접근법으로서 이후 모든 화석 체적 시각화의 기반을 마련했다.

디지털 3D 복원의 진정한 혁명은 X선 전산화 단층촬영이 고생물학 표본에 적용되면서 시작되었다. 1984년 글렌 콘로이(Glenn Conroy)와 마이클 배니어(Michael Vannier)는 고해상도 CT 스캔을 이용해 매트릭스(모암)로 채워진 화석 두개골의 3차원 영상을 비파괴적으로 생성할 수 있음을 보여주는 획기적인 논문을 발표했다(Conroy & Vannier, 1984, Science, 226: 456–458). 이 연구는 CT를 물리적 절편법의 실행 가능한 비파괴 대안으로 확립시켰다. 이후 수십 년에 걸쳐 이 기술은 급속히 확산되었으며, 2010년대에 이르러 CT 스캔은 척추 고생물학에서 가장 널리 사용되는 디지털화 방법이 되었다.

3D 복원에 앞서 수행되는 디지털화 단계에는 여러 스캐닝 기술이 사용되며, 각각 고유한 장단점과 해상도 범위를 갖는다.

X선 전산화 단층촬영(CT) 및 마이크로CT: 표준 CT 스캐너는 X선으로 물체를 투과하여 수백에서 수천 장의 단면 슬라이스로 구성된 단층촬영 데이터셋을 생성한다. 연구기관에서 흔히 사용되는 마이크로CT 스캐너는 1~100 μm 수준의 해상도를 달성하지만, 일반적으로 직경 약 50 cm 이하의 표본으로 제한된다. 의료용 CT 스캐너는 해상도와 에너지가 낮지만 훨씬 큰 표본을 수용할 수 있으며, 경우에 따라 추가 비용 없이 이용 가능하다. CT는 외부와 내부 형태를 비파괴적으로 모두 포착할 수 있어 현재 화석 표본 디지털화에 가장 널리 적용되는 방법이다.

싱크로트론 방사 X선 단층 현미경(SRXTM): 입자 가속기에서 생성되는 싱크로트론 방사선은 마이크로미터 이하(서브마이크로미터)의 초고해상도 단층촬영을 가능하게 한다. 이 기법은 특이적으로 보존된 미세화석, 배아 단계, 세포 수준의 보존 등 미세한 해부학적 세부를 연구하는 데 혁신적임이 입증되었다. 그러나 유효 표본 크기는 보통 수 센티미터로 제한되며, 싱크로트론 시설에 대한 접근도 제한적이다.

레이저 스캐닝: 표면 기반 레이저 스캐너는 표본의 외부 표면을 능동적으로 탐사하고 특성화한다. 밀리미터 이하의 해상도를 달성할 수 있으며, 매우 큰 물체에도 특히 적합하다. 많은 레이저 스캐너가 휴대 가능하여 현장 작업이나 박물관 환경에서 편리하게 사용된다. 다만 내부 구조는 포착할 수 없다.

사진측량법(Photogrammetry): 표본 주변의 여러 각도에서 촬영한 다수의 사진을 컴퓨터로 처리하여 디지털 3D 모델을 생성하는 기법이다. 매우 비용 효율적이고 구현이 용이하며, 극소 크기에서 대형 표본까지 적용 가능하다. 해상도는 주로 카메라 품질과 촬영 사진 수에 좌우된다. 사진측량법은 특히 교육 및 대중 홍보 맥락에서 화석 표본의 기록과 공유를 위해 점점 더 널리 사용되고 있다.

라우텐슐라거(Lautenschlager, 2016)가 도입한 중요한 용어적 구분에 따르면, '디지털 수복(digital restoration)'은 보존 관련 인위물을 제거하여 화석화 이전의 형태를 복구하는 포괄적 과정이고, '디지털 복원(digital reconstruction)'은 구체적으로 직접 보존되지 않은 구조를 생성하는 것을 지칭한다. 실제 연구 문헌에서는 두 용어가 혼용되는 경우가 많으며, 전체 작업 흐름이 통칭 '3D 복원'이라 불리는 것이 일반적이다.

수복 과정은 일반적으로 일련의 모듈식 단계를 거치며, 각 단계는 일정 수준의 해석을 더한다:

균열 및 파손 제거: 미세한 속성 결함(균열, 구멍, 표면 불규칙성)을 평활화 알고리즘, 영역 성장 연산, 또는 CT 세그멘테이션 중 수동 보간으로 제거한다. 이 단계는 해석 개입이 최소지만, 미세한 표면 결함조차 FEA 같은 전산 분석의 결과에 영향을 줄 수 있다.

반사(미러링): 척추동물은 좌우 대칭을 나타내므로, 한쪽의 결손 요소를 반대편에 보존된 대응 요소의 거울상으로 대체할 수 있다. 이는 고인류학 두개골 수복에서 가장 일반적으로 적용되는 기법 중 하나이며, 척추 고생물학에서도 널리 채택되었다.

중첩(Superimposition): 표본 양쪽의 대응 요소가 불완전하게 보존되었지만 서로 다른 부분을 보유하고 있을 때, 이들을 중첩하여 보다 완전한 복합 요소를 생성할 수 있다.

재배치(Repositioning): 탈구된 파편들을 3차원 공간에서 디지털로 병진 및 회전시켜 해부학적으로 올바른 위치에 재조립한다. 이는 관절면, 파단면 형태, 또는 랜드마크 기반 정렬 알고리즘의 안내를 받을 수 있다.

복제(Duplication): 좌우 대칭 대응물이 없는 연속 반복 요소(예: 척추)의 경우, 보존된 요소를 복제하고 크기를 조정하여 결손된 부분을 복원한다.

역변형(Retrodeformation): 가장 난이도가 높은 단계로, 화석의 형태를 파손 없이 변형시킨 사후 소성 변형을 역전시키는 것을 목표로 한다. 랜드마크 기반 기하형태측정학적 방법이 사용되는데, 정중시상면 양측의 쌍대 랜드마크를 이용하여 표본을 원래의 대칭 형태로 워프시킨다. 드브리스 등(DeVries et al., 2022)은 오픈소스 소프트웨어 블렌더(Blender)의 아마추어(armature) 기능을 활용하여 각 역변형 단계를 기록하고 애니메이션화하는 재현 가능한 워크플로를 개발함으로써 투명성과 재현성을 크게 향상시켰다.

외삽(Extrapolation): 결손 부분을 반사나 복제로 대체할 수 없을 때, 해당 부분을 추정해야 한다. 이는 동일 분류군의 다른 표본, 근연 분류군, 또는 일반적인 해부학적 제약 조건의 정보를 활용한다. 외삽은 가장 높은 수준의 해석 개입을 포함하며 신중하게 사용된다.

경조직 형태의 수복을 넘어, 3D 복원 기법은 멸종 생물의 연조직 해부학을 탐구하는 길을 열었다. 골학적 상관물(osteological correlates)—근육 흔적, 부착 융기, 혈관공 등 골 표면의 특징—은 근육, 혈관, 신경 및 기타 연조직의 크기·위치·방향에 대한 증거를 제공한다. 연구자들은 CT 유래 3D 모델을 골격으로 삼아 3D 모델링 소프트웨어에서 근육 및 기타 연조직을 디지털로 복원한다. 라우텐슐라거(Lautenschlager, 2013, Journal of Anatomy, 222: 260–272)는 테리지노사우루스류인 에를리코사우루스 안드레우시(Erlikosaurus andrewsi)에서 CT 데이터를 활용해 하악 내전근을 모델링하고 교합력을 추정하는 디지털 근육 복원의 새로운 접근법을 시연했다. 마찬가지로, 위트머(Witmer)와 동료들(2008)은 CT를 이용해 공룡, 악어류, 조류의 뇌 내형, 골내 미로, 신경혈관 구조를 시각화·복원하여 감각 능력과 인지 기능에 대한 통찰을 제공했다.

고생물학 디지털 3D 복원을 위한 소프트웨어 환경은 상용 및 오픈소스 옵션이 다양하게 존재한다. CT 세그멘테이션용으로는 Amira/Avizo(Thermo Fisher Scientific), VG Studio Max(Volume Graphics), Mimics(Materialise) 같은 상용 패키지가 널리 사용되며 강력한 자동 및 수동 세그멘테이션 도구를 제공한다. 무료 대안으로는 SPIERS(가상 고생물학 전용으로 개발), 3D Slicer, Dragonfly 등이 있다. 메시 편집, 역변형, 복원 작업에는 블렌더(Blender, Stichting Blender Foundation)가 조각, 리깅, 애니메이션, 렌더링 기능을 갖춘 고생물학 분야의 지배적인 오픈소스 플랫폼으로 부상했다. 메시랩(MeshLab, Visual Computing Lab, ISTI-CNR)은 메시 처리를 위한 무료 경량 도구를 제공한다. R 패키지 Morpho와 소프트웨어 Landmark는 기하형태측정학 기반 역변형에 사용된다.

3D 복원 결과물은 광범위한 정량 분석의 기반이 된다:

기하형태측정학(GMM): 랜드마크 기반 및 표면 기반 형태측정 방법으로 표본 간 형태 변이와 공변이를 정량화한다. 속성 변형이 형태 분석 결과를 심각하게 편향시킬 수 있으므로 정확한 3D 복원이 필수적이다.

유한요소해석(FEA): 하중이 가해진 구조물 내 응력과 변형률의 분포를 모델링하는 공학 유래 시뮬레이션 기법이다. 고생물학에서 FEA는 다양한 분류군에 걸쳐 두개골 생체역학, 섭식 기능, 운동 적응을 조사하는 데 사용되어 왔다.

전산유체역학(CFD): 3D 모델 주변 또는 내부의 유체 흐름을 시뮬레이션하여 기능적·생태적 가설을 검증한다. 예를 들어 CFD는 캄브리아기 극피동물과 암모나이트 패각에 적용되어 섭식 해류와 유영 유체역학을 조사하는 데 사용되었다.

다체동역학 분석(MDA): 관절로 연결된 복수의 강체 또는 변형체 간 상호작용을 모델링하여 운동을 시뮬레이션한다. MDA는 티라노사우루스 렉스의 교합력 추정과 알로사우루스의 목 기능 분석에 활용된 바 있다.

3D 프린팅(쾌속 조형): 디지털 모델을 물리적 객체로 출력하여 연구, 교육, 박물관 전시에 활용한다. 이는 축척 복제품 제작, 파편적 소재로부터 복합 골격 생성, 그리고 희귀 표본을 더 넓은 대중에게 접근 가능하게 만드는 데 특히 유용하다.

3D 복원의 디지털적 특성은 고생물학에서 공개 데이터 공유 문화를 촉진했다. 모포소스(MorphoSource, morphosource.org)는 2013년 듀크 대학교에서 개설된 최대 규모의 3D 박물관 표본 데이터 웹 아카이브로, 연구용으로 다운로드 가능한 CT 스캔 데이터셋과 3D 메시 파일을 호스팅한다. 그 외 드라이어드(Dryad, datadryad.org), 피그셰어(Figshare, figshare.com), 제노도(Zenodo, zenodo.org) 등의 저장소가 있다. 스케치팹(Sketchfab) 같은 플랫폼은 3D 화석 모델의 대화형 온라인 열람과 증강현실/가상현실 체험까지 가능하게 한다. 원시 스캔 데이터와 편집된 3D 모델 모두를 오픈 액세스로 공개·기탁하는 것이 데이비스 등(Davies et al., 2017, Proceedings of the Royal Society B, 284: 20170194)이 제창한 바와 같이 모범 관행 표준으로 자리 잡았다.

혁신적 잠재력에도 불구하고 고생물학의 3D 복원은 여러 중요한 과제에 직면해 있다. 수복 과정의 각 단계는 일정 수준의 해석과 주관성을 도입하며, 심하게 변형되었거나 파편적인 표본의 경우 그 누적 효과가 상당할 수 있다. 수동 세그멘테이션은 극히 시간 소모적이어서 척추동물 두개골 하나에 수 주에서 수 개월의 작업이 소요될 수 있다. 재현성도 우려 사항인데, 서로 다른 연구자가 동일한 원시 데이터로부터 다른 수복 결과를 만들어낼 수 있기 때문이다. 드브리스 등(2022)은 모든 조작을 문서화하는 아마추어 기반 블렌더 워크플로를 개발하여 이 문제를 명시적으로 다루었지만, 이러한 엄격한 문서화 표준의 광범위한 채택은 아직 진행 중이다.

특히 역변형의 경우, 기능적 편향성(functional lateralization), 요동 비대칭(fluctuating asymmetry), 또는 대칭적 변형(예: 균일한 배복 압축)으로 인해 좌우 대칭 가정이 항상 성립하지 않을 수 있으며, 이는 랜드마크 기반 방법으로 쉽게 감지하거나 보정할 수 없다. 단일의 불완전한 표본으로만 알려진 화석 분류군—흔한 상황—은 자동화된 수복을 위한 참조 표본이 없어 특별한 어려움을 야기한다.

최근 몇 년간 딥러닝과 머신러닝이 3D 복원 파이프라인의 여러 측면을 가속화하는 데 점점 더 많이 적용되고 있다. 심층 신경망이 화석 표본의 자동 CT 세그멘테이션을 수행하도록 훈련되어, 원시 스캔 데이터에서 3D 모델을 추출하는 데 필요한 시간을 극적으로 단축시켰다. 예를 들어, Frontiers in Earth Science에 2022년 발표된 연구는 공룡 화석의 CT 세그멘테이션에 딥러닝을 적용하여, 전문가 수동 세그멘테이션에 필적하는 결과를 훨씬 짧은 시간에 달성했음을 보여주었다. AI 기반 접근법은 자동화된 화석 식별, 분류, 형태학적 분석에도 개발되고 있다. 이러한 방법들은 아직 채택 초기 단계에 있으며 광범위한 훈련 데이터셋을 필요로 하지만, 3D 복원 워크플로의 속도·확장성·일관성을 향상시키는 중요한 프런티어를 대표한다.

3D 복원은 고생물학적 실무를 근본적으로 변혁시켰다. 이 기술은 전통적 처리(preparation) 방법으로는 접근 불가능한 형태학적 정보를 화석에서 추출하고, 형태와 기능에 대한 엄밀한 정량 분석을 수행하며, 전 세계 과학계와 공개적으로 데이터를 공유할 수 있게 한다. '가상 고생물학(virtual paleontology)'—서튼 등(Sutton et al., 2014, Techniques for Virtual Palaeontology, Wiley)이 3차원 디지털 시각화를 통한 화석 연구로 정의—이라는 용어는 하나의 인정받는 하위 분과가 되었다. 향상된 스캐닝 기술, 오픈소스 소프트웨어, 강력한 전산 방법, AI 자동화, 온라인 데이터 저장소의 수렴은 3D 복원이 가까운 미래에도 고생물학 연구의 핵심 기둥으로 계속될 것임을 보장한다.