[論文レビュー] Detection and Demarcation of Tumor using Vector Quantization in MRI images

H. B. Kekre, Tanuja Sarode+1 more|arXiv (Cornell University)|Jan 23, 2010

Medical Image Segmentation Techniques参考文献 44被引用数 24

ひとこと要約

本稿では、リンデ＝ブゾー＝グレイ（Linde-Buzo-Gray: LBG）アルゴリズムに基づくベクトル量子化（VQ）を用いて、MRI画像における腫瘍の検出および境界特定を新たに提案する。128コードブックを生成し、それを8つのセグメントにクラスタリングすることで、過剰または不十分なセグメンテーションを回避した高精度な腫瘍境界特定を実現。ウォーターシェッド法やエントロピーに基づく手法と比較して、セグメンテーション品質が優れている。

ABSTRACT

Segmenting a MRI images into homogeneous texture regions representing disparate tissue types is often a useful preprocessing step in the computer-assisted detection of breast cancer. That is why we proposed new algorithm to detect cancer in mammogram breast cancer images. In this paper we proposed segmentation using vector quantization technique. Here we used Linde Buzo-Gray algorithm (LBG) for segmentation of MRI images. Initially a codebook of size 128 was generated for MRI images. These code vectors were further clustered in 8 clusters using same LBG algorithm. These 8 images were displayed as a result. This approach does not leads to over segmentation or under segmentation. For the comparison purpose we displayed results of watershed segmentation and Entropy using Gray Level Co-occurrence Matrix along with this method.

研究の動機と目的

• 乳腺がんの診断におけるMRI画像における腫瘍検出およびセグメンテーションの改善を目的とする。
• 従来のセグメンテーション手法に共通する過剰セグメンテーションおよび不十分セグメンテーションの課題に対処することを目的とする。
• 不均一な組織領域に対して、頑健でテクスチャに基づくセグメンテーション手法を、ベクトル量子化を用いて開発することを目的とする。
• 提案されたVQ手法をウォーターシェッド法やエントロピーに基づく手法と比較することを目的とする。
• 放射線科における臨床的意思決定支援のための正確な腫瘍境界特定を可能とすることを目的とする。

提案手法

• MRI画像の強度データから、LBGアルゴリズムを用いて128ベクトルのコードブックを生成する。
• 同じLBGアルゴリズムを用いて、コードブックのベクトルを8つの異なるクラスタにさらに分類し、異なる組織タイプを表現する。
• 各画素を最も近いコードベクトルに割り当てることでセグメンテーションを実現し、8つのセグメント領域を形成する。
• この手法は、類似したテクスチャおよび強度パターンをグループ化することで、組織の均一性を向上させる。
• 結果は、グレイレベルコ occurring マトリクス（GLCM）を用いたウォーターシェッドセグメンテーションおよびエントロピーに基づくセグメンテーションと視覚的に比較される。
• 固定サイズのコードブックと反復的クラスタリングを用いることで、過剰または不十分なセグメンテーションを回避する。

実験結果

リサーチクエスチョン

• RQ1 LBGアルゴリズムを用いたベクトル量子化は、MRI画像を均一な組織領域に効果的にセグメンテーションできるか？
• RQ2 VQベースのセグメンテーションは、ウォーターシェッド法およびGLCMに基づくエントロピーセグメンテーションと比較して、腫瘍境界特定においてどのように異なるか？
• RQ3 提案手法は、MRI腫瘍検出における過剰および不十分なセグメンテーションの問題を軽減できるか？
• RQ4 固定サイズのコードブック（128ベクトル）は、脳または乳腺MRIにおける多様な組織タイプを信頼性高く表現できるか？
• RQ5 VQベースのアプローチは、コンピュータ支援診断システムにおける臨床的前処理に適しているか？

主な発見

• 提案されたVQベースの手法は、過剰または不十分なセグメンテーションを伴わず、MRI画像を8つの明確な組織領域にセグメンテーションに成功した。
• 128コードブックを用いたLBGアルゴリズムは、テスト用MRI画像全体にわたり安定的かつ一貫性のあるクラスタリングを実現した。
• 視覚的結果から、ウォーターシェッド法やエントロピーに基づく手法と比較して、はっきりとした腫瘍境界の特定が確認された。
• ベクトル量子化による類似した強度およびテクスチャパターンのグループ化により、信頼性の高い組織分類が達成された。
• 比較結果から、VQはセグメンテーションの明確さと正確さの観点で、ウォーターシェッド法およびエントロピーに基づくセグメンテーションを上回ることが確認された。
• このアプローチは計算的にも効率的であり、コンピュータ支援診断システムにおける前処理に適している。