[論文レビュー] The Weighted Euler Curve Transform for Shape and Image Analysis

Qitong Jiang, Sebastian Kurtek+1 more|arXiv (Cornell University)|Apr 23, 2020

Topological and Geometric Data Analysis参考文献 38被引用数 4

ひとこと要約

本稿では、強度またはグレースケールデータを組み込むためにオイラー曲線変換（ECT）を拡張した、重み付き単体複体の完全な位相的不変量である重み付きオイラー曲線変換（WECT）を提案する。MRIスキャンにおける腫瘍領域のセグメンテーションを重み付き単体複体に変換し、そのWECT表現を計算することで、形状とテクスチャに基づく膠腫多形性腫瘍（glioblastoma multiforme）の有効なクラスタリングが可能となり、クラスタは患者の生存期間と強く相関している。これは、生命医学的画像解析および生存予測におけるその有用性を示している。

ABSTRACT

The Euler Curve Transform (ECT) of Turner et al.\ is a complete invariant of an embedded simplicial complex, which is amenable to statistical analysis. We generalize the ECT to provide a similarly convenient representation for weighted simplicial complexes, objects which arise naturally, for example, in certain medical imaging applications. We leverage work of Ghrist et al.\ on Euler integral calculus to prove that this invariant---dubbed the Weighted Euler Curve Transform (WECT)---is also complete. We explain how to transform a segmented region of interest in a grayscale image into a weighted simplicial complex and then into a WECT representation. This WECT representation is applied to study Glioblastoma Multiforme brain tumor shape and texture data. We show that the WECT representation is effective at clustering tumors based on qualitative shape and texture features and that this clustering correlates with patient survival time.

研究の動機と目的

• 医用画像データにおける幾何学的形状と強度情報の両方を統合する位相的表現を開発すること。
• オイラー曲線変換（ECT）を重み付き単体複体に拡張し、値が重み付けされた頂点を有するグレースケール画像を位相的対象として分析可能にする。
• オイラー積分計算の結果を用いて、WECTが重み付き単体複体の完全不変量であることを確立すること。
• WECTを実世界の膠腫多形性腫瘍（GBM）腫瘍画像データに適用し、腫瘍のクラスタリングおよび患者生存予測への応用の有効性を評価すること。
• WECTの計算および解析を支援するためのオープンソースコードを提供し、再現可能性および形状解析分野における広範な採用を促進すること。

提案手法

• デローニー三角形分割を用いて、セグメンテーション済みのグレースケールMRI腫瘍領域を重み付き単体複体に変換し、画素強度が頂点の重みを定義する。
• 単位球面上の各方向について、高さ関数に強度関数を重み付けした部分集合のオイラー特性を評価することで、重み付きオイラー曲線を計算する。
• ノイズ低減と安定性向上のため、窓サイズ10のガウスカーネルを用いて得られたオイラー曲線を平滑化する。
• 回転整合化のためSO(2)上での登録を考慮し、平滑化されたWECT表現間のペアワイズL²距離を計算する。
• 距離行列に階層的クラスタリング（ウォード連結法）を適用し、形状とテクスチャの類似性に基づいて腫瘍亜型を同定する。
• すべての複体を単位直径および最大重みに正規化することで、画像強度分布が異なる被験者間での比較可能性を確保する。

実験結果

リサーチクエスチョン

• RQ1 WECTは、脳腫瘍のMRIなど、セグメンテーション済みの医用画像における形状および強度特徴を効果的に表現できるか？
• RQ2 WECTは重み付き単体複体の完全不変量であるか、すなわち、それによって元の複体および重み関数が一意に特定できるか？
• RQ3 GBM腫瘍のWECTに基づくクラスタリングは、臨床的アウトカムと相関する生物学的に意味のある亜型を明らかにできるか？
• RQ4 WECT表現は、従来の形状記述子と比較して、生存予測の精度を向上させることができるか？
• RQ5 WECTは、被験者間での画像強度分布および腫瘍幾何の変動に対して、どれほど頑健であるか？

主な発見

• Ghrist, Levanger, および Mai のオイラー積分計算に関する結果を用いて、WECTが重み付き単体複体の完全不変量であることが証明された。
• 63例のGBM腫瘍画像に対するWECTベースのクラスタリングにより、平均生存期間がそれぞれ6.7か月、12.9か月、20.2か月の3つの明確なクラスタが同定され、患者の予後と強い相関があることが示された。
• 低生存クラスタ（平均6.7か月）は、不規則な形状と不均一な強度分布を示し、図6で視覚的にも確認された。
• 低生存クラスタを除いた残りの58例に対して階層的クラスタリングを実施したところ、6つのサブクラスタが得られ、シアンおよび青のクラスタは腫瘍境界付近にリング状の強度パターンを示した。
• 青クラスタは形状および強度の両方で高い不規則性を示し、中央値生存期間は14.9か月であった。一方、シアンクラスタの中央値生存期間は22.3か月であり、異なる生物学的または形態的特徴を示していると考えられる。
• WECT表現により、画像正規化および登録を制御した後でも、生存期間の差が観察されたことから、画像データのみからデータ駆動型のクラスタリングが有効に行えることが示された。