[論文レビュー] A multistep segmentation algorithm for vessel extraction in medical imaging

Nasser Aghazadeh, Ladan Sharafyan Cigaroudy|arXiv (Cornell University)|Dec 30, 2014

Medical Image Segmentation Techniques参考文献 9被引用数 6

ひとこと要約

本稿では、ノイズ除去と血管検出を向上させるために、Curveletタイトフレームとスティーンの不偏リスク推定（SURE）に基づくしきい値処理を組み合わせることで、2次元医療画像における血管構造の抽出を目的としたマルチステップ分類アルゴリズムを提案する。ヘッセ行列に基づく固有ベクトル解析を統合することで、細く曇った血管の分類を改善し、チューブ状構造を精緻に修飾し、挑戦的な血管画像データに対して頑健な性能を達成する。

ABSTRACT

The main contribution of this paper is to propose an iterative procedure for tubular structure segmentation of 2D images, which combines tight frame of Curvelet transforms with a SURE technique thresholding which is based on principle obtained by minimizing Stein Unbiased Risk Estimate for denoising. This proposed algorithm is mainly based on the TFA proposal presented in [1, 9], which we use eigenvectors of Hessian matrix of image for improving this iterative part in segmenting unclear and narrow vessels and filling the gap between separate pieces of detected vessels. The experimental results are presented to demonstrate the effectiveness of the proposed model.

研究の動機と目的

• 2次元医療画像における低コントラストで断片的な血管の分類に課題を解決すること。
• ノイズの多い医療画像データにおけるチューブ状構造の検出精度を向上させること。
• 高度なマルチスケールおよび幾何的解析を用いて、血管分類における誤検出とギャップを低減すること。
• ヘッセ行列の固有ベクトルを反復的分類フレームワークに統合し、構造的連続性を向上させること。
• タイトフレーム表現と不偏リスク推定を組み合わせた、最適なしきい値処理を実現する頑健な反復的手順を開発すること。

提案手法

• 本手法は、チューブ状特徴に特に適した、方向性およびマルチスケール感度に優れた画像構造表現のためのCurveletタイトフレームを採用する。
• ノイズ除去における不偏リスクを最小化するために、SUREに基づくしきい値処理を適用し、細かな血管構造を保持しながらノイズを抑制する。
• アルゴリズムは、画像のヘッセ行列を用いて局所的な幾何的構造と方向性を検出することで、反復的に分類を精緻化する。
• ヘッセ行列の固有ベクトルを用いて分類プロセスをガイドし、細く不明瞭な血管の検出を向上させる。
• 反復的手順により、ヘッセ解析からの方向一貫性を活用して、分離された血管セグメント間のギャップを埋める。
• 統合パイプラインとして、マルチスケール解析（Curvelets）、統計的リスク推定（SURE）、幾何的解析（ヘッセ）を統合する。

実験結果

リサーチクエスチョン

• RQ1 低コントラストでノイズの多い2次元医療画像において、どのようにしてチューブ状構造を効果的に分類できるか？
• RQ2 Curvelet変換とSUREしきい値処理を組み合わせることで、血管検出精度はどの程度向上するか？
• RQ3 ヘッセ行列に基づく固有ベクトル解析は、細く断片的な血管の分類を向上させることができるか？
• RQ4 反復的精緻化プロセスは、血管抽出におけるギャップと偽陰性をどの程度低減するか？
• RQ5 不偏リスク推定をしきい値処理に用いることで、血管分類における性能にどのような影響を与えるか？

主な発見

• 提案手法は、従来手法と比較して、曇った細い血管の検出を顕著に向上させた。
• ヘッセ固有ベクトルの統合により、分離された血管セグメント間のギャップ埋めが効果的に行えるようになった。
• SUREに基づくしきい値処理により、ノイズを低減しながら細かな血管構造を保持でき、より綺麗で正確な分類が実現した。
• Curvelet表現と反復的精緻化を組み合わせたマルチステップアプローチにより、全体的な分類の頑健性が向上した。
• 複雑な血管パターンと低SNRを示す挑戦的な2次元医療画像において、本手法は優れた性能を示した。
• 実験結果により、ノイズの多い入力データから連続的で正確な血管マップを生成するフレームワークの有効性が確認された。