[論文レビュー] Optimization of Weighted Curvature for Image Segmentation

Noha El-Zehiry, Leo Grady|arXiv (Cornell University)|Jun 21, 2010

Medical Image Segmentation Techniques参考文献 20被引用数 6

ひとこと要約

本稿では、データ項に依存せずに重み付き曲率正則化を用いた画像セグメンテーションのグローバル最適化手法を提案する。これにより、弱いまたは明確な強度コントラストのない医用画像においても高精度なセグメンテーションが可能となる。QPBOPソルバの安定化に吸引力（attraction force）を導入することで、数秒でグローバル最適性を達成し、グラフカットやランダムウォーカーと比較して、同一の強度分布と欠落した境界線を有する困難なケースにおいて優れた性能を発揮する。

ABSTRACT

Minimization of boundary curvature is a classic regularization technique for image segmentation in the presence of noisy image data. Techniques for minimizing curvature have historically been derived from descent methods which could be trapped in a local minimum and therefore required a good initialization. Recently, combinatorial optimization techniques have been applied to the optimization of curvature which provide a solution that achieves nearly a global optimum. However, when applied to image segmentation these methods required a meaningful data term. Unfortunately, for many images, particularly medical images, it is difficult to find a meaningful data term. Therefore, we propose to remove the data term completely and instead weight the curvature locally, while still achieving a global optimum.

研究の動機と目的

• 医用画像における信頼性が低いまたは欠落しているデータ項に依存する従来の曲率ベースのセグメンテーション手法の限界を解消すること。
• 画像コントラストが支持する場合に高曲率境界を保持し、曲率正則化による人工的な平滑化を回避すること。
• データ項を必要とせず、勾配降下法の局所最適解の問題を克服して、セグメンテーションにおけるグローバル最適性を達成すること。
• 対象と背景の強度分布が同一である状況でも効果的に機能する、頑健なセグメンテーションフレームワークの開発。
• 吸引力を導入することでQPBOPを安定化させ、データ項が存在しない状況でも高速かつグローバル最適な最適化を実現すること。

提案手法

• 境界の曲率最小化を、法線ベクトルでパrameter化された曲率エネルギーのプライマル定式化に基づくグラフ上の組み合わせ最適化問題として定式化する。
• コントラスト依存のエッジ重みを導入し、画像コントラストが支持する領域では高曲率を許容し、弱いコントラスト領域では曲率をペナルティ付ける。
• エネルギー関数に吸引力を追加することで、負の重みを持つエッジの数を削減し、QPBOPがプローブを伴わずグローバル最適解を探索可能にする。
• QPBOPソルバを用いて重み付き曲率関数を最適化し、数秒でグローバル最適性を達成する。
• ユニタリデータ項を一切使用せず、曲率正則化とコントラスト感受性のあるエッジ重みに依存する。
• 吸引力により、データ項が存在しない状況でも完全なラベル付けが可能となり、自明な解を回避する。

実験結果

リサーチクエスチョン

• RQ1 曲率ベースのセグメンテーションが、データ項に依存せずにグローバル最適性を達成できるか？
• RQ2 画像コントラストが弱いか欠落している場合、高曲率境界をどのように保持できるか？
• RQ3 データ項が存在しない状況でも、QPBOPソルバがグローバル最適解を安定して探索できるか？
• RQ4 本手法が、対象と背景の強度分布が同一であるケースにおいて、グラフカットやランダムウォーカーといった最先端のアルゴリズムを上回るか？
• RQ5 コントラスト重み付けと吸引力のパラメータを、多様な医用画像処理タスクに一般化して適用可能か？

主な発見

• 本手法は、対象と背景の強度プロファイルが同一で境界線が明確に見えない超音波画像においても、左房を正確にセグメンテーションした。
• グラフカットは完全に失敗し、前景シードのみを分離する自明な解を生成したが、ランダムウォーカーはコントラスト不足のため過剰セグメンテーションを生じた。
• マンモグラムのセグメンテーションにおいて、本手法は縁が明確な腫瘍を正しく捉えた一方、ランダムウォーカーは誤って偽陰性・偽陽性を発生させた。
• CTスキャンにおける肺腫瘍のセグメンテーションでは、周囲の筋肉と明確な強度コントラストがなくとも、本手法は腫瘍を完全に抽出したが、ランダムウォーカーは早期に停止し、腫瘍の一部を欠落させた。
• Abdominal MRスキャンでは、ランダムウォーカーが偽陽性・偽陰性を発生させ、肝臓の上部境界が切断される事態を引き起こしたが、重み付き曲率手法は正しく境界を保持した。
• 同じパラメータ設定（コントラスト重み付けと吸引力）が、すべてのテストケースで有効であり、再チューニングなしに頑健な一般化性能を示した。