[論文レビュー] Template-Based Active Contours

Jayanth Krishna Mogali, Adithya Pediredla+1 more|arXiv (Cornell University)|Dec 3, 2013

Medical Image Segmentation Techniques参考文献 26被引用数 4

ひとこと要約

本稿では、一般形状テンプレートを物体に関連付けるために5自由度（並進、回転、非等方的スケーリング）を持つ制限付きアフィン変換（RAT）を用いたテンプレートベースのアクティブな輪郭フレームワークを提案する。この手法は、グリーンの定理を用いて計算コストを低減することで、内側領域と環状領域間のコントラストに基づくエネルギー関数を勾配降下法で最適化し、ノイズ、初期化、部分的遮蔽に対して頑健であることが示された。円、楕円、凹型テンプレートを含む多様な形状においても有効である。

ABSTRACT

We develop a generalized active contour formalism for image segmentation based on shape templates. The shape template is subjected to a restricted affine transformation (RAT) in order to segment the object of interest. RAT allows for translation, rotation, and scaling, which give a total of five degrees of freedom. The proposed active contour comprises an inner and outer contour pair, which are closed and concentric. The active contour energy is a contrast function defined based on the intensities of pixels that lie inside the inner contour and those that lie in the annulus between the inner and outer contours. We show that the contrast energy functional is optimal under certain conditions. The optimal RAT parameters are computed by maximizing the contrast function using a gradient descent optimizer. We show that the calculations are made efficient through use of Green's theorem. The proposed formalism is capable of handling a variety of shapes because for a chosen template, optimization is carried with respect to the RAT parameters only. The proposed formalism is validated on multiple images to show robustness to Gaussian and Poisson noise, to initialization, and to partial loss of structure in the object to be segmented.

研究の動機と目的

• 一般形状テンプレートを柔軟に用いることで形状事前知識を統合できる汎用的なアクティブな輪郭形式の開発。
• 輪郭の進化に直接形状知識を埋め込むことで、信号対雑音比が低い状況、遮蔽、強度非一様性に対しても頑健なセグメンテーションを実現すること。
• テンプレート形状にかかわらず最適化すべきパラメータ数を固定する（RATパラメータのみ）ことにより、計算複雑度を低減すること。
• 内側領域と環状領域の強度に基づくコントラストエネルギー関数を用いることで、収束安定性を向上させ、局所的最小値を回避すること。
• スナクスキュールやオブスキュールの先行研究を、統一的なRATベースの最適化フレームワークにより任意の形状に一般化すること。

提案手法

• アクティブな輪郭は、同心で閉じた2つの輪郭（内側輪郭と外側輪郭）から構成され、環状領域を形成する。
• 内側輪郭内部の平均強度と、2つの輪郭間の環状領域の平均強度に基づいてコントラストエネルギー関数を定義する。
• エネルギーは、制限付きアフィン変換（RAT）の5自由度（並進、回転、x方向およびy方向の独立したスケーリング）に関して勾配降下法を用いて最大化する。
• グリーンの定理を用いることで、エネルギー関数のRATパラメータに関する偏微分を効率的に計算し、計算コストを低減する。
• 輪郭のパrametric表現ではなくRATパラメータのみを最適化することで、任意の形状テンプレートに一般化する。
• ImageJプラグインを実装し、医療関連のテンプレートライブラリから選択するか、カスタムテンプレートを定義できるようにした。

実験結果

リサーチクエスチョン

• RQ1 単一の最適化スキームを用いて、円形および楕円形テンプレートから任意の形状テンプレートへの一般化が可能な統一されたアクティブな輪郭フレームワークを開発できるか？
• RQ2 内側領域と環状領域の強度に基づくコントラストエネルギー関数は、ノイズや初期化のばらつきに対してどのように性能を示すか？
• RQ3 制限付きアフィン変換（RAT）を用いることで、標準的なスネークスや形状事前知識法と比較して、セグメンテーションの頑健性がどの程度向上するか？
• RQ4 内側輪郭と外側輪郭の間の環状領域の幅が、セグメンテーションの正確性にどの程度影響を及えるか？
• RQ5 部分的遮蔽や構造的ごみがある状況でも、本手法は正確性と収束性を維持できるか？

主な発見

• 提案されたコントラストエネルギー関数は特定の統計的条件下で最適であり、強い局所的最小値を示さない安定した挙動を示し、信頼性の高い収束を可能にする。
• ノイズ条件（ガウス分布およびポisson分布）が異なる状況下でも、円、楕円、リング、凹型テンプレートを含む多様な形状に対して頑健なセグメンテーションを達成する。
• 複数の初期化においても結果が一貫しており、MR脳画像における右心室などの競合領域と外側輪郭が重なっていても正確な結果を維持する。
• 物体が疎なごみ環境にあれば、環状領域の幅はセグメンテーションの正確性にほとんど影響しないが、高密度なごみ環境ではより太い環状領域が頑健性を向上させる。
• グリーンの定理の使用により、エネルギー勾配の計算が効率的に行えるようになり、最適化中の計算コストを顕著に低減する。
• 医療関連テンプレートライブラリを備えたImageJプラグインにより実用的応用が可能となり、形状モデルとの統合により、特に大脳動脈路のセグメンテーションのような複雑なケースでも性能が向上する。