[論文レビュー] Intra-Retinal Layer Segmentation of 3D Optical Coherence Tomography Using Coarse Grained Diffusion Map

Rahele Kafieh, Hossein Rabbani+2 more|arXiv (Cornell University)|Oct 1, 2012

Optical Coherence Tomography Applications参考文献 35被引用数 4

ひとこと要約

本論文では、エッジ検出に代えてテクスチャに基づくクラスタリングを用いる、3次元光学コherenceトモグラフィー（OCT）における網膜層内分類のための新規な拡散マップベースの手法を提案する。粗粒度の拡散マッピングを2段階で適用することで、最初に注目領域を特定し、次に内部層を局所化する。このアプローチにより、低コントラストまたは勾配が乏しい画像においても頑健な分類が可能となり、緑内障および健常者からの3次元データセットにおいて、平均不符号境界位置誤差が7.56 ± 2.95 μmに達した。

ABSTRACT

Optical coherence tomography (OCT) is a powerful and noninvasive method for retinal imaging. In this paper, we introduce a fast segmentation method based on a new variant of spectral graph theory named diffusion maps. The research is performed on spectral domain (SD) OCT images depicting macular and optic nerve head appearance. The presented approach does not require edge-based image information and relies on regional image texture. Consequently, the proposed method demonstrates robustness in situations of low image contrast or poor layer-to-layer image gradients. Diffusion mapping is applied to 2D and 3D OCT datasets composed of two steps, one for partitioning the data into important and less important sections, and another one for localization of internal layers.In the first step, the pixels/voxels are grouped in rectangular/cubic sets to form a graph node.The weights of a graph are calculated based on geometric distances between pixels/voxels and differences of their mean intensity.The first diffusion map clusters the data into three parts, the second of which is the area of interest. The other two sections are eliminated from the remaining calculations. In the second step, the remaining area is subjected to another diffusion map assessment and the internal layers are localized based on their textural similarities.The proposed method was tested on 23 datasets from two patient groups (glaucoma and normals). The mean unsigned border positioning errors(mean - SD) was 8.52 - 3.13 and 7.56 - 2.95 micrometer for the 2D and 3D methods, respectively.

研究の動機と目的

• 画像コントラストや層間勾配が乏しい状況下でも、3次元OCT画像における網膜層分類の課題に対処すること。
• エッジ特徴に依存しない、局所的テクスチャに基づく手法を用いることで、分類の頑健性を向上させること。
• スペクトルグラフ理論を用いた拡散マップにより、3次元OCTデータセットにおける網膜層の効率的かつ局所化された分割を実現すること。
• 緑内障および健常被験者からの臨床的3次元OCTデータを用いて、診断的意義のある評価を実施すること。

提案手法

• 本手法は、粗粒度の拡散マッピングを用いて、2次元および3次元OCTデータを3つのクラスタに分割し、外側2つのクラスタを除外して中央領域を注目領域として保持する。
• ピixエルまたはボクセルが長方形または立方体の集合にグループ化され、エッジ重みはグループ平均間の幾何的距離と強度差に基づく。
• 最初の拡散マップ段階では、データを3つの主要な部分にクラスタリングすることで、網膜の注目領域を特定・分離する。
• 2番目の拡散マップ段階は、保持された領域にのみ適用され、テクスチャの変動に基づいて内部網膜層をさらに細分化・局所化する。
• 勾配やエッジ情報に依存しないため、低コントラストまたはぼやけたOCT画像に対しても頑健である。
• 本手法は、2つの被験者群からの23例の3次元OCTデータセットを用いてテストされ、分類精度の定量的評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 画像コントラストが低いか、勾配が弱い状況下でも、エッジ依存に依存しないテクスチャベースの手法が、3次元OCTにおける網膜層内分類を正確に実現できるか。
• RQ2 粗粒度の拡散マッピングは、3次元OCTにおいて周囲構造から網膜の注目領域を効果的に分離できるか。
• RQ3 2段階の拡散マップアプローチは、従来のエッジベース分類と比較して、どの程度層局所化の精度を向上させるか。
• RQ4 本手法は、緑内障および健常対照群を含む、さまざまな被験者集団に一般化可能か。
• RQ5 境界位置誤差という観点から、本手法の定量的分類精度はどの程度か。

主な発見

• 本手法は、全データセットにおける2次元OCT分類で、平均不符号境界位置誤差8.52 ± 3.13 μmを達成した。
• 3次元OCT分類では、平均不符号境界位置誤差が7.56 ± 2.95 μmに達し、2次元結果よりも高い精度を示した。
• テクスチャに依存するため、低コントラストまたは明確に区別できない網膜層に対しても、本手法は頑健であることが示された。
• 2段階の拡散マッププロセスは、網膜の注目領域を効果的に分離し、内部層の正確な局所化を可能にした。
• 本手法は、緑内障および健常被験者からの23例の臨床的3次元OCTデータセットで検証され、臨床的意義および一般化可能性が確認された。
• グラフ構築における幾何的距離と強度差の使用は、分類に適した局所的テクスチャパターンを効果的に捉えた。