[論文レビュー] The Chan-Vese Algorithm

Rami Cohen|arXiv (Cornell University)|Jul 14, 2011

Medical Image Segmentation Techniques参考文献 6被引用数 5

ひとこと要約

本稿では、エッジ情報に依存せずに画像をセグメンテーションする Mumford-Shah に類似したエネルギー関数を最小化するレベルセットに基づくアクティブコンター法である Chan-Vese アルゴリズムを提示する。この手法は、明確なエッジが欠落している画像や強度の不均一性を示す画像に対してもロバストにセグメンテーションを実行でき、特に医療画像分野で有効である。また、実用的応用を可能にする完全な MATLAB 実装も提供されている。

ABSTRACT

Segmentation is the process of partitioning a digital image into multiple segments (sets of pixels). Such common segmentation tasks including segmenting written text or segmenting tumors from healthy brain tissue in an MRI image, etc. Chan-Vese model for active contours is a powerful and flexible method which is able to segment many types of images, including some that would be quite difficult to segment in means of "classical" segmentation - i.e., using thresholding or gradient based methods. This model is based on the Mumford-Shah functional for segmentation, and is used widely in the medical imaging field, especially for the segmentation of the brain, heart and trachea. The model is based on an energy minimization problem, which can be reformulated in the level set formulation, leading to an easier way to solve the problem. In this project, the model will be presented (there is an extension to color (vector-valued) images, but it will not be considered here), and Matlab code that implements it will be introduced.

研究の動機と目的

• 古典的なしきい値処理や勾配に基づくセグメンテーション手法に対する代替手法として、Chan-Vese アルゴリズムを提示すること。
• 弱いエッジや不均一なエッジを持つ画像における Mumford-Shah セグメンテーション問題を解くために、レベルセット定式化が果たす有効性を示すこと。
• コンピュータビジョンおよび医療画像分野の研究者や実務家が利用可能な、アルゴリズムの実用的 MATLAB 実装を提供すること。
• 脳、心臓、気管など複雑な解剖学的構造を、MRI などの医療スキャンにおいてセグメンテーションする際のアルゴリズムの有用性を強調すること。
• この手法の背後にある数学的定式化と数値実装の明確で分かりやすい説明を提供すること。

提案手法

• 本手法は、画像を強度が局所定数である領域に分割する Mumford-Shah 機能に基づいている。
• トポロジーの変化（分割や融合）を扱えるように、エネルギー最小化問題をレベルセット法を用いて再定式化する。
• エネルギー関数のオイラー＝ラグランジュ方程式から導かれた偏微分方程式（PDE）に従って、レベルセット関数が進化する。
• レベルセット関数の更新と、輪郭内部および外部の平均強度の推定を交互に繰り返す。
• ゼロレベルセットの周囲の狭い帯域のみを更新することで計算効率を向上させるナローバンドアプローチを用いる。
• 初期化、PDE の解法、輪郭の進化ステップを含む、再現性の高い MATLAB 実装を提供する。

実験結果

リサーチクエスチョン

• RQ1 強いエッジや強度勾配が存在しない状況では、どのように画像セグメンテーションを達成できるか？
• RQ2 トポロジーの変化を扱う際に、伝統的なアクティブコンター・モデルに比べてレベルセット定式化が提供する利点は何か？
• RQ3 MRI スキャンなど強度の不均一性を示す医療画像において、Chan-Vese モデルはどのように性能を発揮するか？
• RQ4 実用的な画像セグメンテーションに応用するにあたり、Mumford-Shah 関数をレベルセットアプローチで効果的に最小化できるか？
• RQ5 平均強度推定は、アクティブコンターの進化において果たす役割は何か？

主な発見

• Chan-Vese アルゴリズムは、医療 MRI スキャンでよく見られる強度の不均一性を示すような、明確なエッジが欠落している画像に対しても、効果的にセグメンテーションを実行できる。
• レベルセット定式化により、輪郭が滑らかに進化し、分割や融合といったトポロジーの変化を自然に扱える。
• 脳、心臓、気管といった複雑な解剖学的構造についても、医療画像分野での検証を通じて、正確なセグメンテーションが達成されている。
• 提供された MATLAB 実装により、さまざまな画像セグメンテーションタスクへのアルゴリズムの適用とカスタマイズが容易に可能である。
• エッジ検出に失敗するような挑戦的な画像において、古典的なしきい値処理や勾配に基づく手法に比べ、本アルゴリズムが優れた性能を示している。