[論文レビュー] A dynamic graph-cuts method with integrated multiple feature maps for segmenting kidneys in ultrasound images

Qiang Zheng, Steven L. Warner+2 more|arXiv (Cornell University)|Jun 11, 2017

Medical Image Segmentation Techniques参考文献 29被引用数 3

ひとこと要約

本稿では、画像強度とガボール抽出テクスチャ特徴を統合した動的グラフカット手法を提案し、超音波画像における腎臓セグメンテーションの精度を向上させている。腎臓の境界周辺に局所的なグラフを構築し、領域内類似度を用いて反復的にエッジ重みを更新することで、平均Diceスコア0.9581、平均距離1.7166を達成し、最先端手法を著しく上回った（p < 10⁻¹⁹）。

ABSTRACT

Purpose: To improve kidney segmentation in clinical ultrasound (US) images, we develop a new graph cuts based method to segment kidney US images by integrating original image intensity information and texture feature maps extracted using Gabor filters. Methods: To handle large appearance variation within kidney images and improve computational efficiency, we build a graph of image pixels close to kidney boundary instead of building a graph of the whole image. To make the kidney segmentation robust to weak boundaries, we adopt localized regional information to measure similarity between image pixels for computing edge weights to build the graph of image pixels. The localized graph is dynamically updated and the GC based segmentation iteratively progresses until convergence. The proposed method has been evaluated and compared with state of the art image segmentation methods based on clinical kidney US images of 85 subjects. We randomly selected US images of 20 subjects as training data for tuning the parameters, and validated the methods based on US images of the remaining 65 subjects. The segmentation results have been quantitatively analyzed using 3 metrics, including Dice Index, Jaccard Index, and Mean Distance. Results: Experiment results demonstrated that the proposed method obtained segmentation results for bilateral kidneys of 65 subjects with average Dice index of 0.9581, Jaccard index of 0.9204, and Mean Distance of 1.7166, better than other methods under comparison (p&lt;10-19, paired Wilcoxon rank sum tests). Conclusions: The proposed method achieved promising performance for segmenting kidneys in US images, better than segmentation methods that built on any single channel of image information. This method will facilitate extraction of kidney characteristics that may predict important clinical outcomes such progression chronic kidney disease.

研究の動機と目的

• 腎臓の超音波画像における外観の変動が大きく、境界が不明瞭な問題に対処すること。
• 強度とテクスチャを含む複数の画像特徴を組み合わせることで、セグメンテーション精度を向上させること。
• 腎臓境界付近のピクセルに限定してグラフ構築を行うことで、計算効率を向上させること。
• 段階的なセグメンテーションフレームワークを構築し、動的にグラフ構造を更新することで収束性を向上させること。
• 臨床的慢性腎疾患進行予測のための腎臓特徴の信頼性ある抽出を可能とすること。

提案手法

• 計算効率を向上させるために、画像全体ではなく腎臓境界付近に局所化されたピクセルのグラフを構築する。
• エッジ重み計算のためのマルチチャネル入力として、元の画像強度とガボールフィルタ処理済みテクスチャ特徴を統合する。
• 局所的領域内類似度を用いてエッジ重みを計算し、境界が弱いかごまつな場合の耐性を高める。
• 段階的な更新により、進化するセグメンテーション結果に基づいてグラフ構造を動的に更新する。
• 収束するまで繰り返しグラフカット最適化を適用し、段階的にセグメンテーション境界を改善する。
• 領域ベースの類似度測定を用いてエッジ重みの割り当てをガイドし、セグメンテーションの安定性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 強度とテクスチャの複数の特徴マップを統合することで、超音波画像における腎臓セグメンテーション精度が向上するか？
• RQ2 動的グラフ更新は、境界が弱いか曖昧な場合のセグメンテーションの耐性をどのように向上させるか？
• RQ3 境界隣接ピクセルに限定してグラフ構築を行うことで、計算効率が向上するが、精度に悪影響を与えないか？
• RQ4 本手法は、単一特徴または静的グラフカット手法と比較して、臨床的腎臓超音波画像診断においてどのように優れているか？
• RQ5 本手法は、臨床的予後予測に役立つ腎臓形態的特徴の信頼性ある抽出をどの程度可能にするか？

主な発見

• 提案手法は65名の被験者を対象に平均Diceインデックス0.9581を達成し、比較手法すべてを著しく上回った（p < 10⁻¹⁹）。
• ジャッカード係数は0.9204に達し、セグメンテーション領域とマニュアルラベル領域の重複度が非常に高かった。
• セグメンテーション結果とマニュアルラベルの間の平均距離は1.7166ピクセルであり、高い空間的精度を示した。
• 局所的領域内類似度モデリングのおかげで、強度の不均一性や弱い境界に対しても優れた耐性を示した。
• パラメータチューニングは20名の被験者で実施され、残りの65名の被験者での検証で一貫した高い性能が確認された。
• 強度＋ガボールテクスチャの複数特徴マップ統合により、単一チャネル情報に依存する手法よりも優れたセグメンテーションが達成された。