[論文レビュー] Feature Selection based on PCA and PSO for Multimodal Medical Image Fusion using DTCWT

K Padmavathi, Mahima Bhat+1 more|arXiv (Cornell University)|Jan 31, 2017

Advanced Image Fusion Techniques参考文献 8被引用数 6

ひとこと要約

本稿では、主成分分析（PCA）と粒子群最適化（PSO）を用いた特徴選択と組み合わせた二重木複素ウェーブレット変換（DTCWT）を用いた、新しいマルチモーダル医療画像融合フレームワークを提案する。入力画像は低周波数成分と高周波数成分に分解され、係数に融合ルールが適用され、再構成によって融合画像が得られる。DTCWT-PCA手法は、DTCWT-PSOと比較して、計算時間と特徴ベクトルのサイズを削減しつつ、SSIMとCCにおいて優れた性能を示し、より高いロバスト性と効率性を実証した。

ABSTRACT

Multimodal medical image fusion helps to increase efficiency in medical diagnosis. This paper presents multimodal medical image fusion by selecting relevant features using Principle Component Analysis (PCA) and Particle Swarm Optimization techniques (PSO). DTCWT is used for decomposition of the images into low and high frequency coefficients. Fusion rules such as combination of minimum, maximum and simple averaging are applied to approximate and detailed coefficients. The fused image is reconstructed by inverse DTCWT. Performance metrics are evaluated and it shows that DTCWT-PCA performs better than DTCWT-PSO in terms of Structural Similarity Index Measure (SSIM) and Cross Correlation (CC). Computation time and feature vector size is reduced in DTCWT-PCA compared to DTCWT-PSO for feature selection which proves robustness and storage capacity.

研究の動機と目的

• マルチモーダル医療画像融合の品質を向上させ、診断精度を向上させること。
• 画像融合パイプラインにおける計算複雑性と特徴ベクトルサイズを低減すること。
• DTCWTベースの融合におけるPCAとPSOの特徴選択性能を評価・比較すること。
• 最小値、最大値、平均化戦略を用いて、DTCWT係数の低周波数および高周波数成分に対する融合ルールを最適化すること。
• 提案されたDTCWT-PCA手法のロバスト性とストレージ効率を実証すること。

提案手法

• マルチモーダル医療画像を二重木複素ウェーブレット変換（DTCWT）を用いて低周波数帯と高周波数帯に分解する。
• DTCWT係数に対して、主成分分析（PCA）と粒子群最適化（PSO）を用いて特徴選択を実施する。
• 近似（低周波数）成分と詳細（高周波数）成分に別々に、最小値、最大値、単純平均化の融合ルールを適用する。
• 結合された係数集合を用いて逆DTCWTにより融合画像を再構成する。
• 構造的類似度指数測定（SSIM）と相互相関（CC）を用いて性能を評価する。
• 効率性およびストレージへの影響を評価するため、計算時間と特徴ベクトルサイズを測定する。

実験結果

リサーチクエスチョン

• RQ1 PCAに基づく特徴選択は、PSOに基づく特徴選択と比較して、融合画像の品質にどのように影響するか？
• RQ2 DTCWT-PCAとDTCWT-PSOは、構造的類似度（SSIM）と相互相関（CC）指標にどのように影響を与えるか？
• RQ3 DTCWT-PCAとDTCWT-PSOの間で、計算時間と特徴ベクトルサイズはどのように異なるか？
• RQ4 低周波数および高周波数DTCWT係数に対して、最小値、最大値、平均化のどの融合ルールの組み合わせが最良の性能を示すか？
• RQ5 提案手法は、医療画像融合におけるロバスト性とストレージ効率をどの程度向上させるか？

主な発見

• DTCWT-PCAは、DTCWT-PSOと比較して、融合画像における構造的情報の保持が優れていることを示す、高い構造的類似度指数測定（SSIM）値を達成した。
• DTCWT-PCAは、優れた相互相関（CC）値を示し、融合画像と参照画像との類似性が強いことを示した。
• DTCWT-PCAでは、DTCWT-PSOと比較して計算時間が顕著に短縮され、処理効率が向上した。
• DTCWT-PCAでは特徴ベクトルサイズが小さく抑えられ、ストレージ容量の向上とデータオーバーヘッドの低減が実証された。
• マルチモーダル医療画像融合において、DTCWT-PCA手法はDTCWT-PSOと比較してよりロバストで効率的であることが証明された。
• DTCWTとPCAに基づく特徴選択の組み合わせは、画像品質、処理速度、リソース使用量のバランスの取れた最適なトレードオフを実現した。