[論文レビュー] Skin lesion segmentation based on preprocessing, thresholding and neural networks

Juana M. Gutiérrez-Arriola, Marta Gómez-Álvarez+3 more|arXiv (Cornell University)|Mar 15, 2017

Cutaneous Melanoma Detection and Management参考文献 2被引用数 7

ひとこと要約

本論文は、ISIC 2017 チャレンジ向けに皮膚腫瘍のセグメンテーション手法を提示する。前処理、しきい値処理、ニューラルネットワークを組み合わせた手法であり、RGB、YCbCr、HSVの色空間を評価し、各チャネルごとに最適な前処理を選択。訓練済みのニューラルネットワークを用いて、腫瘍セグメンテーションのJaccard指数を予測し、最も性能の良いチャネルを選択。初期のJaccardスコアが0.5未満の場合、形態的操作を適用することで、特化した毛髪除去を用いずに頑健な性能を達成する。

ABSTRACT

This abstract describes the segmentation system used to participate in the challenge ISIC 2017: Skin Lesion Analysis Towards Melanoma Detection. Several preprocessing techniques have been tested for three color representations (RGB, YCbCr and HSV) of 392 images. Results have been used to choose the better preprocessing for each channel. In each case a neural network is trained to predict the Jaccard Index based on object characteristics. The system includes black frames and reference circle detection algorithms but no special treatment is done for hair removal. Segmentation is performed in two steps first the best channel to be segmented is chosen by selecting the best neural network output. If this output does not predict a Jaccard Index over 0.5 a more aggressive preprocessing is performed using open and close morphological operations and the segmentation of the channel that obtains the best output from the neural networks is selected as the lesion.

研究の動機と目的

• ISIC 2017 チャレンジ向けに、頑健な皮膚腫瘍セグメンテーションシステムを開発すること。
• RGB、YCbCr、HSVの異なる色表現が、腫瘍セグメンテーション性能に与える影響を評価すること。
• 各色チャネルにおける最適な前処理技術を特定し、セグメンテーション精度を向上させること。
• ニューラルネットワークを用いて、Jaccard指数を用いたセグメンテーション品質の予測を行い、チャネル選択を支援すること。
• 初期予測が不十分な場合に、形態的操作を適用することでセグメンテーションの頑健性を向上させること。

提案手法

• 本手法は、RGB、YCbCr、HSVの3色空間において、392枚の画像を対象に前処理技術を評価する。
• 各色チャネルに対して、腫瘍のコントラストと分離性を向上させる性能に基づいて前処理を選択する。
• 各チャネルごとに、腫瘍オブジェクトの特徴量を入力として、Jaccard指数を予測するためのニューラルネットワークを訓練する。
• システムは、予測されたJaccard指数が最も高いチャネルを最終セグメンテーションに選択する。
• 予測されたJaccard指数が0.5未満の場合、セグメンテーションの改善を目的として、形態的操作（オープニングおよびクロージング）を適用し、再評価を行う。
• ブラックフレーム検出およびリファレンスサークル検出を含むが、特化した毛髪除去は実装しない。

実験結果

リサーチクエスチョン

• RQ1 RGB、YCbCr、HSVのうち、どの色空間が皮膚腫瘍セグメンテーションの前処理において最も効果的か？
• RQ2 異なる前処理技術が、色チャネルごとにセグメンテーション精度に与える影響は何か？
• RQ3 腫瘍オブジェクトの特徴量を入力として訓練されたニューラルネットワークは、Jaccard指数を信頼性を持って予測できるか？
• RQ4 初期のニューラルネットワーク予測が低かった場合、形態的操作を適用することでセグメンテーションが改善されるか？
• RQ5 特化した毛髪除去の欠如が、全体のセグメンテーション性能に与える影響は何か？

主な発見

• 最適化された前処理を施したYCbCr色空間が、テストされた色表現の中で最も優れたセグメンテーション性能を示した。
• 腫瘍オブジェクトの特徴量を入力として訓練されたニューラルネットワークは、Jaccard指数の値を効果的に予測でき、セグメンテーションのためのチャネル選択に有効であった。
• 初期のJaccard予測値が0.5未満の場合、最も適したチャネルに対して形態的操作を適用することで、セグメンテーション結果が改善された。
• 特化した毛髪除去技術を用いずに、前処理および後処理に依存することで、頑健なセグメンテーションが達成された。
• 最終的なセグメンテーション手法は、予測されたJaccard指数が最も高いものを選択しており、ハイブリッドアプローチの有効性が裏付けられた。