[論文レビュー] Automatic Segmentation of Choroid Layer in EDI OCT Images Using Graph Theory in Neutrosophic Space

Bahareh Salafian, Rahele Kafieh+3 more|arXiv (Cornell University)|Dec 5, 2018

Retinal Imaging and Analysis参考文献 22被引用数 17

ひとこと要約

本稿では、不確実性とノイズを扱うためにネウトロソフィック集合の枠組み内でグラフ理論を用いた、EDI-OCT画像における自動脈絡膜分離手法を提案する。画像をネウトロソフィック空間に変換し、Dijkstraのアルゴリズムを用いてRPE層を検出する。その後、ガンマ補正と同型フィルタリングを用いて拡張することで脈絡膜を分離する。マクロール画像では平均無符号誤差が3.34ピクセル（12.9 μm）、プリパプイリの画像では6.55ピクセル（25.3 μm）を達成し、マクロールデータでは既存手法を上回り、プリパプイリ領域では新たな結果を提示する。

ABSTRACT

The choroid is vascular tissue located underneath the retina and supplies oxygen to the outer retina; any damage to this tissue can be a precursor to retinal disease. Choroid is almost invisible in Enhanced Depth Imaging Optical Coherence Tomography (EDI-OCT) images and it is hard for an ophthalmologist to detect this layer manually. This paper presents an automatic method of choroidal segmentation from EDI-OCT images in neutrosophic space. In neutrosophic approach for image processing, extracting any information from an image and applying any process on it, is modeled by three sets including true, false, and indeterminacy sets. At first, we transform each image to the neutrosophic space; then, we calculate weights between each two nodes and apply the Dijkstra algorithm in order to detect Retinal Pigment Epithelium (RPE) layer. Based on RPE localization and applying gamma correction and homomorphic filter to false set, we segment choroid layer by similar approach used for RPE. The proposed algorithm is tested on 32 EDI OCT images of Heidelberg 3D OCT Spectralis from 11 people and is compared with manual segmentation. The results showed an unsigned error of 3.34 pixels (12.9 Micrometer) for macular images and 6.55 pixels (25.3 Micrometer) for prepapillary images; which macular error is lower than two other methods (7.71 pixels and 9.79 pixels). Furthermore, the proposed method on prepapillary data is novel and published works are concentrated on macular data. Identification of the boundary can help to determine the loss or change of choroid, which can be used as features for automatic determination of the retinal diseases.

研究の動機と目的

• 脈絡膜層の自動分離の課題に取り組むこと。これは、視覚的にほとんど見えず、手作業での検出が困難である。
• ネウトロソフィック集合理論を活用して、画像データにおける真実性、偽り、不確実性をモデル化することで、ノイズや強度不均一性の影響を受ける状況でも分離精度を向上させること。
• 既存の分離手法をマクロール領域を超えて拡張し、文献において未だほとんど研究が進んでいないプリパプイリEDO-OCT画像における正確な脈絡膜検出を可能にすること。
• 網膜疾患の早期診断の特徴量として利用可能な、堅牢で自動化された脈絡膜境界検出手法を提供すること。

提案手法

• 各EDI-OCT画像を、ピクセルの属する画像状態を表す3つの集合（真実、偽り、不確実性）を定義することで、ネウトロソフィック空間に変換する。
• 各ピクセルをノードとし、強度値と不確実性値に基づいてエッジの重みを計算することで、類似性と不確実性を反映するグラフを構築する。
• コストを最小化する最適経路を探索することで、RPE層を検出する目的でDijkstraの最短経路アルゴリズムをグラフに適用する。
• 検出されたRPE層を基準として、偽り集合にガンマ補正と同型フィルタリングを適用し、その後の脈絡膜分離をガイドする。
• 処理済みの偽り集合に対して、同じDijkstraベースの最適化を用いたグラフベース分離アプローチを再適用し、脈絡膜境界を同定する。
• 空間的および強度ベースの制約をネウトロソフィックフレームワークに統合することで、画像アーチファクトや低コントラストに対する耐性を高める。

実験結果

リサーチクエスチョン

• RQ1 真に曖昧で視覚的に判別が困難なEDI-OCT画像において、ネウトロソフィックグラフベースの手法が脈絡膜層を効果的に分離できるか。
• RQ2 マクロールおよびプリパプイリ領域において、本手法は既存の分離技術と比較して、精度と耐性の面で優れているか。
• RQ3 ネウトロソフィックグラフフレームワーク内でDijkstraのアルゴリズムを用いることで、ノイズや強度不均一性下でも境界検出がどの程度向上するか。
• RQ4 本手法は、文献においてほとんど研究が進んでいないプリパプイリ領域に一般化可能か。また、マクロールデータと比較してその性能はいかにか。

主な発見

• 本手法はマクロール画像において平均無符号誤差3.34ピクセル（12.9 μm）を達成し、2つの競合手法が報告した7.71ピクセルおよび9.79ピクセルを下回った。
• プリパプイリ画像では平均無符号誤差6.55ピクセル（25.3 μm）を達成し、先行研究がマクロール領域に限定していたことから、新たな貢献である。
• 偽り集合にガンマ補正と同型フィルタリングを統合することで、コントラストが向上しノイズが低減され、分離精度が顕著に向上した。
• ネウトロソフィック空間フレームワークは不確実性と強度変動を効果的にモデル化し、低コントラスト領域におけるより信頼性の高い境界検出を可能にした。
• 多様な画像品質と解剖的領域にわたり、マクロールおよびプリパプイリデータの両方で一貫した性能を示し、耐性を示した。