[論文レビュー] An Improved Image Mining Technique For Brain Tumour Classification Using Efficient Classifier

P. Rajendran, M. Madheswaran|arXiv (Cornell University)|Jan 12, 2010

Image Retrieval and Classification TechniquesComputer Science参考文献 26被引用数 22

ひとこと要約

本稿では、MARIアルゴリズムを用いた刈り込み付き連関ルールマイニングを活用し、低レベルの画像特徴と専門家知識を統合することで、脳腫瘍分類のための改善された画像マイニング技術を提案する。この手法は、CT脳画像を正常、良性、悪性の3カテゴリに分類する際、96％の感受性と93％の正確性を達成した。

ABSTRACT

An improved image mining technique for brain tumor classification using pruned association rule with MARI algorithm is presented in this paper. The method proposed makes use of association rule mining technique to classify the CT scan brain images into three categories namely normal, benign and malign. It combines the low level features extracted from images and high level knowledge from specialists. The developed algorithm can assist the physicians for efficient classification with multiple keywords per image to improve the accuracy. The experimental result on prediagnosed database of brain images showed 96 percent and 93 percent sensitivity and accuracy respectively.

研究の動機と目的

• データマイニング技術を用いて、CTスキャン画像からの脳腫瘍分類の正確性を向上させること。
• 低レベルの画像特徴と高レベルの専門家知識を統合し、診断支援を強化すること。
• 1枚の画像に対して複数のキーワードを適用することで分類の粒度を向上させ、正確性を向上させること。
• 自動マイニングにより誤検出を低減し、脳腫瘍の早期発見を改善すること。
• 実際の臨床応用を想定し、予め診断済みの脳画像データベースを用いて手法を検証すること。

提案手法

• 本手法は、CTスキャン画像から意味のあるパターンを抽出するために、刈り込み付き連関ルールマイニングを採用する。
• 脳MRI/CT画像から、テクスチャ、強度、形状などの低レベル特徴が抽出される。
• MARI（画像内連関ルールマイニング）アルゴリズムを用いて、特徴セットから連関ルールを生成・精錬する。
• 放射線科医の専門的知識が高レベルのルールとしてエンコードされ、マイニングプロセスのガイドラインおよび検証に用いられる。
• 1枚の画像に対して複数のキーワードを適用することで、分類の細分化を向上させ、曖昧さを低減する。
• 画像特徴と専門家ルールを統合したハイブリッドアプローチにより、正常、良性、悪性の3クラス分類を効率的に学習する分類器を構築する。

実験結果

リサーチクエスチョン

• RQ1 刈り込み付き連関ルールマイニングは、CTスキャンにおける脳腫瘍分類の正確性を向上させることができるか？
• RQ2 低レベルの画像特徴と専門家知識を組み合わせることで、診断精度はどの程度向上するか？
• RQ3 1枚の画像に対して複数のキーワードを適用することで、感受性と特異度はどの程度向上するか？
• RQ4 MARIアルゴリズムは、医療診断に適した複雑な画像データを効率的に処理できるか？
• RQ5 本手法は、実際の予め診断済みのデータセットにおいて、感受性と正確性の観点でどの程度の性能を示すか？

主な発見

• 提案手法は、CTスキャンからの脳腫瘍検出において96％の感受性を達成した。
• 本システムは、脳画像を正常、良性、悪性に分類する際、全体で93％の正確性を示した。
• 低レベルの画像特徴と専門家が導いた高レベルルールの統合により、分類の信頼性が顕著に向上した。
• 1枚の画像に複数のキーワードを適用することで、微細な腫瘍特徴の区別能力が向上した。
• 刈り込み付き連関ルールマイニングアプローチにより、不要なルールが削減され、計算効率が向上した。
• 結果は予め診断済みのデータベースを用いて検証され、臨床現場への導入可能性が確認された。