[論文レビュー] A Fast Algorithm for Geodesic Active Contours with Applications to Medical Image Segmentation.

Jun Ma, Dong Wang+2 more|arXiv (Cornell University)|Jul 1, 2020

Medical Image Segmentation Techniques参考文献 63被引用数 7

ひとこと要約

本論文では、医療画像分離における測地的活性輪郭（GAC）のためのレベルセット法（LSM）の高速で安定した代替手法として、反復的畝込み・しきい値処理法（ICTM）を提案する。特徴関数を用いて輪郭を暗黙的に表現することで、LSMと同等またはそれ以上の分離精度を達成するとともに、数十倍から数百倍の高速化を実現し、トポロジーの変化に対応可能である。

ABSTRACT

The geodesic active contour model (GAC) is a commonly used segmentation model for medical image segmentation. The level set method (LSM) is the most popular approach for solving the model, via implicitly representing the contour by a level set function. However, the LSM suffers from high computation burden and numerical instability, requiring additional regularization terms or re-initialization techniques. In this paper, we use characteristic functions to implicitly approximate the contours, propose a new representation to the GAC and derive an efficient algorithm termed as the iterative convolution-thresholding method (ICTM). Compared to the LSM, the ICTM is simpler and much more efficient and stable. In addition, the ICTM enjoys most desired features (e.g., topological changes) of the level set-based methods. Extensive experiments, on 2D synthetic, 2D ultrasound, 3D CT, and 3D MR images for nodule, organ and lesion segmentation, demonstrate that the ICTM not only obtains comparable or even better segmentation results (compared to the LSM) but also achieves dozens or hundreds of times acceleration.

研究の動機と目的

• 測地的活性輪郭（GAC）分離におけるレベルセット法（LSM）の高い計算コストと数値的不安定性を解消すること。
• LSMで必要な再初期化や正則化を回避する、より単純で効率的な輪郭表現を考案すること。
• トポロジーの柔軟性といったレベルセット法の利点を維持しつつ、計算効率を向上させること。
• 2次元および3次元の画像モodalities（超音波、CT、MRなど）において、結節、臓器、病変などの医療構造を高速かつ正確に分離できること。

提案手法

• ICTMはレベルセット関数の代わりに特徴関数を用いて輪郭を暗黙的に表現し、進化プロセスを単純化する。
• この手法は、LSMで必要とされる偏微分方程式の解法を回避するため、反復的畝込みとしきい値処理を用いて輪郭を進化させる。
• 特徴関数の表現により、分裂や合体を含むトポロジーの変化が暗黙的かつ自然に処理される。
• 進化は、特徴関数フレームワークに適応された測地的活性輪郭エネルギー汎関数に駆動される。
• 再初期化ステップが不要であるため、数値的に安定したアルゴリズム設計がなされている。
• 本手法は、超音波、CT、MRなど、2次元および3次元の画像に適用可能である。

実験結果

リサーチクエスチョン

• RQ1 特徴関数に基づく表現が、測地的活性輪郭におけるレベルセット関数の代替として、分離精度を維持できるか？
• RQ2 提案されたICTMが、安定性や精度を損なわず、従来のレベルセット法と比較して顕著な高速化を達成できるか？
• RQ3 ICTMは、レベルセット法と同様に、分離中に輪郭のトポロジー変化（分裂・合体など）を自然に処理できるか？
• RQ4 ICTMは、結節、臓器、病変の2次元および3次元分離を含む多様な医療画像処理タスクにおいて、どのように性能を発揮するか？

主な発見

• ICTMは、2次元の合成画像、2次元の超音波画像、3次元のCT画像、3次元のMR画像において、レベルセット法（LSM）と同等またはそれ以上の分離結果を達成した。
• ICTMは、LSMと比較して計算時間を数十倍から数百倍短縮し、顕著な高速化を実現した。
• 追加の正則化や再初期化ステップが不要であるため、数値的安定性を維持した。
• ICTMは、輪郭の分裂や合体といったトポロジーの変化を効果的に処理でき、レベルセット法の主な利点を保持した。
• 本アルゴリズムは、結節、臓器、病変の分離を含む多様な医療画像応用において、頑健な性能を示した。
• 特徴関数の使用により、従来のレベルセット定式化と比較して、より単純で効率的な進化プロセスが可能になった。