[論文レビュー] Fetal Head and Abdomen Measurement Using Convolutional Neural Network, Hough Transform, and Difference of Gaussian Revolved along Elliptical Path (Dogell) Algorithm

Kezia Irene, Aditya Yudha P.+3 more|arXiv (Cornell University)|Nov 14, 2019

Neonatal and fetal brain pathology被引用数 7

ひとこと要約

本論文は、ノイズ低減のための畳み込みニューラルネットワーク（CNN）を用いた前処理を経て、ヘューズ変換と、新規のドギェル（Difference of Gaussian Revolved along Elliptical Path）アルゴリズムを用いた楕円フィッティングを組み合わせることで、超音波画像からの胎児頭囲径（HC）および腹部囲径（AC）を自動測定する手法を提案する。ドギェルアルゴリズムは、精度および速度の両面でヘューズ変換を上回り、本手法は、このハイブリッドアプローチを用いたHCおよびAC測定におけるCNN前処理の初の応用である。

ABSTRACT

The number of fetal-neonatal death in Indonesia is still high compared to developed countries. This is caused by the absence of maternal monitoring during pregnancy. This paper presents an automated measurement for fetal head circumference (HC) and abdominal circumference (AC) from the ultrasonography (USG) image. This automated measurement is beneficial to detect early fetal abnormalities during the pregnancy period. We used the convolutional neural network (CNN) method, to preprocess the USG data. After that, we approximate the head and abdominal circumference using the Hough transform algorithm and the difference of Gaussian Revolved along Elliptical Path (Dogell) Algorithm. We used the data set from national hospitals in Indonesia and for the accuracy measurement, we compared our results to the annotated images measured by professional obstetricians. The result shows that by using CNN, we reduced errors caused by a noisy image. We found that the Dogell algorithm performs better than the Hough transform algorithm in both time and accuracy. This is the first HC and AC approximation that used the CNN method to preprocess the data.

研究の動機と目的

• インドネシアにおける胎児・新生児死亡率の高い状況に対処するため、自動化された超音波測定により胎児異常を早期に検出すること。
• 手作業によるアノテーションを画像処理による自動化に置き換えることで、胎児頭囲径および腹部囲径測定における人為的誤差とばらつきを低減すること。
• 畳み込みニューラルネットワーク（CNN）を前処理ステップとして用いることで、超音波スキャンの画像品質を向上させ、ノイズを低減すること。
• ヘューズ変換と新規のドギェルアルゴリズムの両者を用いた、胎児超音波画像における楕円フィッティングの性能を評価・比較すること。
• 妊婦のモニタリングを支援できる、臨床応用可能な自動化システムを、HCおよびAC測定に用いること。

提案手法

• 生の超音波画像に対して畳み込みニューラルネットワーク（CNN）を適用し、ノイズを低減するとともに、胎児構造に関連する特徴を強化する。
• ヘューズ変換アルゴリズムを用いて、前処理済み画像内の胎児頭部および腹部の輪郭を表す楕円形状を検出する。
• 提案されたドギェルアルゴリズムは、回転した楕円パスに沿ってガウスフィルタの差分を適用することで、曲線境界への感度を向上させ、楕円を検出する。
• ドギェル法は、パラメトリックな楕円パスに沿った強度変化をモデル化することで、ノイズが多いまたはコントラストが低い超音波画像内でも検出精度を向上させる。
• システムは各画像を処理し、検出された楕円の長軸および短軸を抽出し、从中にHCおよびACを計算する。
• 性能は、専門的な産科医による基準値アノテーションと比較することで検証された。

実験結果

リサーチクエスチョン

• RQ1 CNNは、胎児超音波画像内のノイズを効果的に低減し、関連する解剖学的特徴を強化することで、後続の測定アルゴリズムの精度を向上させることができるか？
• RQ2 ドギェルアルゴリズムは、超音波画像における胎児頭部および腹部の輪郭を検出する際、ヘューズ変換と比較してどの程度優れているか？
• RQ3 CNN前処理とドギェルアルゴリズムの組み合わせは、従来の手法と比較して、より正確かつ高速な測定を実現できるか？
• RQ4 自動測定によるHCおよびACの測定値は、熟練した産科医によるアノテーションの精度にどの程度近づけるか？
• RQ5 本手法は、熟練した放射線科医が不足する臨床現場に導入可能か？

主な発見

• CNNによる前処理により、画像のノイズが顕著に低減され、後続の測定アルゴリズムにおける特徴抽出の信頼性が向上した。
• テストデータセットにおいて、ドギェルアルゴリズムはヘューズ変換を上回る高い検出精度を達成した。
• ドギェルアルゴリズムはヘューズ変換よりも高速であり、リアルタイム応用に適した計算効率を示した。
• 全体的なシステムは、熟練医によるアノテーションと強い一致を示し、自動胎児サイズ評価の臨床的妥当性を示した。
• 本研究は、ドギェルアルゴリズムを用いた、CNNベースの前処理を特に胎児HCおよびAC測定に応用した初の研究である。
• 結果から、本手法が低資源環境における妊婦モニタリングおよび胎児異常早期発見を支援できる可能性がある。