[論文レビュー] Sparse And Low Rank Decomposition Based Batch Image Alignment for Speckle Reduction of retinal OCT Images

Ahmadreza Baghaie, Roshan M. D’Souza+1 more|arXiv (Cornell University)|Nov 14, 2014

Optical Coherence Tomography Applications参考文献 12被引用数 4

ひとこと要約

本稿では、散乱ノイズ低減のためのスパースかつ低ランク分解に基づくバッチ画像アライメント手法を提案する。繰り返し行われる非整列Bスキャンの低ランク（構造的）およびスパース（ノイズ／運動）成分への分解により、サブピクセルアライメントと向上したノイズ低減が達成され、50枚の入力画像を用いたSNRおよびCNR指標において、並進および剛体登録手法を上回る性能を示した。

ABSTRACT

Optical Coherence Tomography (OCT) is an emerging technique in the field of biomedical imaging, with applications in ophthalmology, dermatology, coronary imaging etc. Due to the underlying physics, OCT images usually suffer from a granular pattern, called speckle noise, which restricts the process of interpretation. Here, a sparse and low rank decomposition based method is used for speckle reduction in retinal OCT images. This technique works on input data that consists of several B-scans of the same location. The next step is the batch alignment of the images using a sparse and low-rank decomposition based technique. Finally the denoised image is created by median filtering of the low-rank component of the processed data. Simultaneous decomposition and alignment of the images result in better performance in comparison to simple registration-based methods that are used in the literature for noise reduction of OCT images.

研究の動機と目的

• 網膜OCT画像における散乱ノイズの低減を目的とし、臨床的解釈の主な障壁を克服すること。
• 複数Bスキャン取得中の眼の動きに起因する非整列問題を克服すること。
• 信号とノイズの分離を同時に実行することで、標準的な平均化や登録手法を上回るノイズ低減性能を向上させること。
• 低ランク構造を活用することで、安定した特徴の事前選択を不要にする。
• より優れたノイズ抑制を実現するため、サブピクセル精度のアライメントを、頑健な主成分分析（RPCA）を用いて達成すること。

提案手法

• 本手法は、非整列Bスキャンのスタックを処理し、各画像をベクトル化してデータ行列 D ∈ ℝ^{m×n} を構築する。
• Robust Principal Component Analysis (RPCA) を用いて、D を L（低ランク）および S（スパース）成分に分解する。最適化問題は、min ||L||_* + λ||S||_1 であり、制約条件は D = L + S である。
• 低ランク成分 L は、複数のスキャン間で共通する解剖的構造を表す。一方、S は非整列、ノイズ、一時的特徴を捉える。
• 繰り返しによる精錬により、L と S の更新を交互に繰り返し、アライメント精度とノイズ分離精度を向上させる。
• 最終的なノイズ低減画像は、低ランク成分 L をメディアンフィルタリングすることで生成され、構造の忠実性が保持される。
• 本手法は、眼の動きアーチファクトを内蔵的に処理でき、一時的特徴をスパース成分として扱うことで、特徴の事前選択を回避する。

実験結果

リサーチクエスチョン

• RQ1 信号とノイズの共同スパースおよび低ランク分解が、OCTスキャンにおける標準的な並進または剛体登録を上回る画像アライメント精度を向上させ得るか？
• RQ2 提案手法が、従来の登録ベースの平均化手法と比較して、SNRおよびCNR指標において優れた散乱ノイズ低減性能を示すか？
• RQ3 RPCAを用いることで、複数スキャンOCTノイズ低減における安定特徴の事前選択の必要性をどの程度排除できるか？
• RQ4 眼の微小震動に起因するサブピクセル非整列に対しても、本手法は効果的に機能するか？
• RQ5 繰り返しRPCAに基づくアライメントが、真の解剖的構造と散乱ノイズ・運動アーチファクトの分離をどのように向上させるか？

主な発見

• 提案手法は、テストされた入力画像枚数（5～50枚）すべてにおいて、並進および剛体登録手法よりも高いSNRおよびCNR向上を達成した。
• 50枚の入力画像を用いた場合、図2および図3に示すように、顕著なSNRおよびCNRの向上が確認され、優れたノイズ抑制性能が裏付けられた。
• 最終的なノイズ低減画像（図1b）は、細かな網膜構造の明確な保持と散乱ノイズの低減を示し、ImageJベースの登録手法を上回る性能を示した。
• 繰り返しRPCAによるサブピクセルアライメントにより、信号対ノイズ比の向上が実現された。
• 血球の影やフォーカス外の構造といった一時的特徴は、スパース成分として処理されることで、効果的に除去された。
• RPCAが低ランク成分に最も一貫性のある解剖的パターンを自動で同定・保持するため、安定特徴の事前選択が不要となった。