[論文レビュー] Segmentation and ABCD rule extraction for skin tumors classification

Mahammed Messadi, Hocine Cherifi+1 more|arXiv (Cornell University)|Jun 8, 2021

Cutaneous Melanoma Detection and ManagementMedicine参考文献 36被引用数 22

ひとこと要約

本稿では、メラノーマ検出のための臨床的ABC Dルール（非対称性、境界、色、多様性）を用いた自動皮膚腫瘍分類システムを提案する。形態的前処理、反復しきい値による反復的初期化を伴う非監視型レベルセットセグメンテーション、およびニューラルネットワーク分類器を組み合わせ、320枚の皮膚鏡的画像データセット上で、真陽性の向上と偽陽性の低減を達成した。

ABSTRACT

During the last years, computer vision-based diagnosis systems have been widely used in several hospitals and dermatology clinics, aiming at the early detection of malignant melanoma tumor, which is among the most frequent types of skin cancer. In this work, we present an automated diagnosis system based on the ABCD rule used in clinical diagnosis in order to discriminate benign from malignant skin lesions. First, to reduce the influence of small structures, a preprocessing step based on morphological and fast marching schemes is used. In the second step, an unsupervised approach for lesion segmentation is proposed. Iterative thresholding is applied to initialize level set automatically. As the detection of an automated border is an important step for the correctness of subsequent phases in the computerized melanoma recognition systems, we compare its accuracy with growcut and mean shift algorithms, and discuss how these results may influence in the following steps: the feature extraction and the final lesion classification. Relying on visual diagnosis four features: Asymmetry (A), Border (B), Color (C) and Diversity (D) are computed and used to construct a classification module based on artificial neural network for the recognition of malignant melanoma. This framework has been tested on a dermoscopic database [16] of 320 images. The classification results show an increasing true detection rate and a decreasing false positive rate.

研究の動機と目的

• コンピュータビジョンを用いて悪性黒色腫の早期検出を実現する自動化システムの開発。
• 形態的処理およびファストマーチング前処理により、小規模な解剖的構造の影響を低減する。
• レべルセット、グローキャット、メーンシフトアルゴリズムを比較することで、腫瘍境界検出のためのセグメンテーション精度を向上させる。
• ニューラルネットワークベースの分類モデルに使用するため、臨床的ABC D特徴（非対称性（A）、境界（B）、色（C）、多様性（D））を抽出する。
• 標準化された皮膚鏡的画像データベースを用いて、メラノーマ分類のためのシステムの性能を評価する。

提案手法

• 皮膚鏡的画像のノイズおよび小構造の抑制を目的として、形態的処理およびファストマーチングスキームを用いて前処理を行う。
• 反復しきい値法を用いて、非監視型腫瘍セグメンテーションのためのレベルセット法の自動初期化を実施する。
• レベルセット、グローキャット、メーンシフトアルゴリズムのセグメンテーション性能を比較し、最も精度の高い手法を選定する。
• セグメンテーション済みの腫瘍から、4つの視覚的診断特徴（非対称性（A）、境界（B）、色（C）、多様性（D））を抽出する。
• 抽出されたABC D特徴を用いて、人工ニューラルネットワーク分類器を訓練し、良性および悪性皮膚腫瘍を区別する。
• 分類性能の評価のため、320枚の画像からなる公開皮膚鏡的データセットを用いてシステムを検証する。

実験結果

リサーチクエスチョン

• RQ1 形態的およびファストマーチング法による前処理は、腫瘍セグメンテーション精度にどのように影響するか？
• RQ2 レベルセット、グローキャット、メーンシフトのうち、どのセグメンテーション技術がメラノーマ分類のための腫瘍境界検出において最も高い精度を示すか？
• RQ3 ABC Dルールに基づく特徴は、ニューラルネットワークの皮膚腫瘍分類性能をどの程度向上させるか？
• RQ4 臨床的ABC Dルールに基づく自動システムは、メラノーマ診断において高い真陽性率と低い偽陽性率を達成できるか？
• RQ5 自動セグメンテーションおよび特徴抽出の統合は、実際の皮膚鏡的画像における全体の分類性能にどのように影響するか？

主な発見

• 提案された前処理ステップは、小構造の影響を効果的に低減し、セグメンテーションの安定性を向上させた。
• 反復しきい値による初期化を伴うレベルセット法は、グローキャットおよびメーンシフトと比較して優れたセグメンテーション精度を達成した。
• ABC Dベースの特徴抽出パイプラインは、皮膚腫瘍の臨床的に関連する特徴を効果的に捉えた。
• ニューラルネットワーク分類器は、320枚の画像データセット上で、真陽性率が上昇し、偽陽性率が低下する傾向を示した。
• システムの性能は、実世界の皮膚鏡的データベースを用いて検証され、臨床的導入の可能性を裏付けた。
• 自動セグメンテーションとABC Dルール特徴抽出の統合により、臨床的に解釈可能で高精度なメラノーマ分類システムが実現された。