## [2026-06-01]

### 수행 내용
- AdipoNeuroMap MVP 구현: 투명화 지방 depot(iWAT/eWAT/BAT) 3D 볼륨에서
  TH⁺ 교감신경 네트워크·adipocyte 크기·CLS를 정량하는 데스크톱 CLI 도구.
- 5개 핵심 기능: (1) 축삭 skeleton 정량(밀도·분기점·분절길이) (2) adipocyte
  3D 크기 분포 히스토그램 (3) CLS 자동검출 + Clarke–Evans clustering index
  (4) 신경-adipocyte 근접도 (5) 자가형광 억제 전처리 + 절차적 합성 demo 볼륨.
- `data/`에 reference 파라미터(JSON) 및 depot profile(CSV) 저장.
- QA 수행 및 QA.md 기록.

### 주요 결정 사항
- scikit-image/skan/tifffile이 현재 환경에 미설치 → 전부 optional import으로
  처리하고 numpy(+scipy) fallback 경로를 구현. `python3 main.py`가 numpy만으로도
  무조건 exit 0 하도록 보장(필수 제약).
- 합성 demo의 adipocyte 크기 정량은 threshold 기반 segmentation이
  under-detect/over-fragment 시 ground-truth 반경으로 fallback(출력에 method 명시).
  실제 데이터·skimage 설치 환경에서는 watershed 사용 가능하도록 설계.
- 재현성 위해 `hash(depot)`(PYTHONHASHSEED 의존) 제거하고 고정 per-depot offset 사용.
- depot별 절차적 파라미터를 튜닝하여 BAT>iWAT>eWAT 축삭밀도/근접도, eWAT 최대
  adipocyte/CLS 라는 생물학적 gradient를 reference 범위 내로 재현.

### 변경된 파일
- `main.py` — Python CLI 진입점(생성)
- `README.md` — 목적/도메인/기능/실행법/체크리스트/디스클레이머(생성)
- `QA.md` — 검수 로그(생성)
- `data/reference_params.json` — adipocyte size class·축삭밀도·CLS 정의 등(생성)
- `data/depot_profiles.csv` — depot별 reference profile(생성)

### 재현 방법
1. `cd projects/2026-06-01-2-adiponeuromap`
2. `python3 main.py` (전체 depot 비교) 또는 `python3 main.py --summary`
3. 단일 depot: `python3 main.py --depot eWAT --top 4`
4. 검수: `python3 -c "import ast; ast.parse(open('main.py').read())"`,
   `python3 main.py --help`, `python3 main.py --summary`
- 의존성: numpy 필수, scipy 권장. scikit-image/skan/tifffile은 optional.