[論文レビュー] Feature Based Framework to Detect Diseases, Tumor, and Bleeding in Wireless Capsule Endoscopy

Omid Haji Maghsoudi, Mahdi Alizadeh|arXiv (Cornell University)|Jan 27, 2018

Gastrointestinal Bleeding Diagnosis and Treatment参考文献 3被引用数 3

ひとこと要約

本論文は、色、テクスチャ、幾何的特徴の組み合わせを用いて、無線内視鏡（WCE）画像フレームにおける腫瘍、出血、その他の消化管異常を自動検出する特徴ベースのフレームワークを提案する。この手法は、セグメンテーション領域にサポートベクターマシン（SVM）およびニューラルネットワーク分類器を適用し、フレームベース分析では腫瘍検出で100％の感度を達成し、ピクセルベースのセグメンテーションでは出血検出で97％の感度を達成した。これにより、広範な病変検出を可能にするマルチ特徴分析を統合することで、従来の手法に比べ顕著に向上した。

ABSTRACT

Studying animal locomotion improves our understanding of motor control and aids in the treatment of motor impairment. Mice are a premier model of human disease and are the model system of choice for much of basic neuroscience. High frame rates (250 Hz) are needed to quantify the kinematics of these running rodents. Manual tracking, especially for multiple markers, becomes time-consuming and impossible. Therefore, an automated method is necessary. We propose a method to track the paws of the animal in the following manner: first, segmenting all the possible paws based on color; second, classifying the segmented objects using a support vector machine (SVM) and neural network (NN); third, classifying the objects using the kinematic features of the running animal, coupled with texture features from earlier frames; and finally, detecting and handling collisions to assure the correctness of labelled paws. The proposed method is validated in sixty 1,000 frame video sequences (4 seconds) captured by four cameras from five mice. The total sensitivity for tracking of the front and hind paw is 99.70% using the SVM classifier and 99.76% using the NN classifier. In addition, we show the feasibility of 3D reconstruction using the four camera system.

研究の動機と目的

• WCEにおける出血や潰瘍を超える複数の消化管異常を包括的に自動検出するシステムの不足に対処する。
• 従来の手法が単一の特徴タイプ（例：色のみ）に依存し、特定の病変タイプに特化していたという制限を克服する。
• 腫瘍、出血、およびその他の5つの疾患（例：クローン病、リンパ管拡張症）の3つの主要な異常クラスを検出可能な統合フレームワークを開発する。
• 色、テクスチャ（LBP、GLCM、ガボール）、幾何的特徴を統合することで、フレームベースおよびピクセルベースの分析において多様な特徴を統合し、検出精度と耐障害性を向上させる。
• WCE動画における自動的で正確な病変局所化および分類を可能にすることで、医師のレビュー時間の短縮を実現し、臨床的実用性を高める。

提案手法

• 潜在的な病変を分離するために、強度および色ベースのしきい値処理を用いてWCEフレーム内の候補異常領域をセグメンテーションする。
• マルチスケール特徴を抽出：色（RGB、HSI、LUV）、テクスチャ（LBP、GLCM、ガボールフィルタ、ロウの特徴）、幾何的特徴（形状、サイズ、方向性）。
• 相関およびフィッシャースコアを用いた特徴選択により、冗長性を低減し、各異常タイプに最適な特徴を選択する。
• 選択された特徴を用いて、フレームベース分類のための2つの分類器（サポートベクターマシン（SVM）およびニューラルネットワーク（NN））をトレーニングおよび評価する。
• 選択されたテクスチャおよび色特徴を用いたピクセルベースのセグメンテーション手法を実装し、フレーム内の異常領域を局所化する。その後、境界を洗練するための後処理を実施する。
• 重なりや隠蔽領域における追跡やラベル付けの曖昧さを解消するため、衝突検出論理を統合する。

実験結果

リサーチクエスチョン

• RQ1 色、テクスチャ、幾何的特徴を統合するマルチ特徴統合手法は、単一特徴手法と比較して、WCEにおける複数の消化管異常の検出精度を顕著に向上させるか？
• RQ2 SVMおよびニューラルネットワーク分類器の性能は、WCEにおける腫瘍、出血、その他の病変のフレームベース検出において、どのように比較されるか？
• RQ3 ピクセルベースのセグメンテーション手法は、出血および腫瘍の局所化において、高い感度および特異度を達成できるか、その程度はいかほどか？
• RQ4 提案されたフレームワークは、出血および潰瘍を超える多様な病変タイプ（例：クローン病、リンパ球増殖症、イエローム）にも一般化可能か？
• RQ5 時間的運動特徴および前フレームからのテクスチャを統合することで、異常領域検出の耐障害性はどのように向上するか？

主な発見

• フレームベース手法は腫瘍検出で100％の感度を達成し、従来の手法が報告した85％～88％の感度を顕著に上回った。
• 出血検出のピクセルベース手法は、97％の感度、97％の特異度、94％の適合率を達成した。これは、従来の研究が報告した低めの特異度および適合率を上回った。
• その他の異常（例：クローン病、リンパ管拡張症）の検出において、ピクセルベース手法は96％の感度、93％の特異度、85％の適合率を達成し、多様な病変タイプにおいて優れた性能を示した。
• 特徴選択により、出血では入力特徴数を110から3に、腫瘍では12に、その他の疾患では10に削減し、精度を損なわず計算効率を向上させた。
• 色、テクスチャ、幾何的特徴を統合した手法は、単一特徴タイプに依存する手法よりも高い検出率を達成した。これにより、マルチモodal特徴統合の重要性が確認された。
• 比較表による検証により、フレームベースおよびピクセルベースの両方の病変分類において、本フレームワークは既存の手法を上回り、複数の研究において感度および特異度が優れていた。