[論文レビュー] A hybrid approach based segmentation technique for brain tumor in MRI Images

D. Anithadevi, K. Perumal|arXiv (Cornell University)|Mar 8, 2016

Brain Tumor Detection and Classification参考文献 12被引用数 3

ひとこと要約

本論文では、MRI画像における脳腫瘍の自動検出を向上させるために、領域拡大法としきい値ベース手法を組み合わせたハイブリッドセグメンテーション手法を提案する。領域拡大法が不規則な腫瘍形状に対応できる能力と、強度に基づくセグメンテーションにおけるしきい値処理の効率性を統合することで、高い正確性、感受性、特異性が達成された。これは、正解データとの比較による評価で、DICEスコアとJACCARDスコアが0.85を超えたことで裏付けられている。

ABSTRACT

Automatic image segmentation becomes very crucial for tumor detection in medical image processing.In general, manual and semi automatic segmentation techniques require more time and knowledge. However these drawbacks had overcome by automatic segmentation still there needs to develop more appropriate techniques for medical image segmentation. Therefore, we proposed hybrid approach based image segmentation using the combined features of region growing and threshold based segmentation techniques. It is followed by pre-processing stage to provide an accurate brain tumor extraction by the help of Magnetic Resonance Imaging (MRI). If the tumor has holes, the region growing segmentation algorithm cannot reveal but the proposed hybrid segmentation technique can be achieved and the result as well improved. Hence the result used to made assessment with the various performance measures as DICE, JACCARD similarity, accuracy, sensitivity and specificity. These similarity measures have been extensively used for evaluation with the ground truth of each processed image and its results are compared and analyzed.

研究の動機と目的

• 手作業および準自動セグメンテーションの時間的・専門的リソース要件の制限を克服すること。
• T1強調MRIスキャンにおける正確な脳腫瘍セグメンテーションのための自動的かつ頑健な手法を開発すること。
• 内部に穴がある、または不規則な境界を持つ腫瘍のセグメンテーション性能を向上させること。
• DICE、JACCARD、感受性、特異性といった標準的指標を用いて、提案手法の評価を行うこと。
• 正解データとの比較を用いて、実際のMRIデータセット上で手法を検証すること。

提案手法

• セグメンテーションの前処理として、コントラストを向上させ、ノイズを低減するためのMRI画像処理。
• 強度分布に基づいて初期腫瘍領域を特定するためのしきい値ベースセグメンテーションの適用。
• しきい値処理で得られた領域から選択されたシードポイントを用いて、領域拡大法により腫瘍境界を正確に拡張。
• 両手法の出力を統合してセグメンテーションを精緻化し、腫瘍領域の穴を埋める。
• 形態的処理を用いて、セグメンテーション領域をクリーニングし、形状の一貫性を向上。
• DICEやJACCARD類似度といったパフォーマンス指標を用いて、正解データとの照合による結果の検証。

実験結果

リサーチクエスチョン

• RQ1 しきい値処理と領域拡大法を組み合わせたハイブリッドアプローチは、MRIスキャンにおける腫瘍セグメンテーションの正確性を向上させることができるか？
• RQ2 本手法は、単独で用いた場合と比較して、内部に穴がある、または不規則な形状の腫瘍において、どのように性能を発揮するか？
• RQ3 感受性、特異性、類似度指標の観点から、従来のセグメンテーション手法に比べて、このハイブリッド手法はどの程度優れているか？
• RQ4 前処理ステップの統合が、腫瘍セグメンテーションの頑健性を向上させるか？
• RQ5 腫瘍特性が異なるさまざまなMRIスキャンにおいて、セグメンテーション結果はどの程度一貫性を示すか？

主な発見

• ハイブリッド手法はDICE類似係数が0.85を超えたため、正解データと強い重複を示した。
• JACCARD類似度スコアは0.75を超えており、高いセグメンテーションの一貫性を示した。
• 感受性と特異性の値は一貫して高く、腫瘍領域の信頼性の高い検出を確認した。
• 本手法は、領域拡大法単体では正しくセグメンテーションできない内部に穴がある腫瘍に対しても効果的に対処できた。
• しきい値処理と領域拡大法の統合により、個別に用いた場合よりもセグメンテーションの正確性が向上した。
• 性能評価により、Gandhigram Universityの実際のMRIデータセットにおいて、本手法の頑健性と信頼性が確認された。