[論文レビュー] Tumor Saliency Estimation for Breast Ultrasound Images via Breast Anatomy Modeling

Fei Xu, Yingtao Zhang+6 more|arXiv (Cornell University)|Jun 18, 2019

Visual Attention and Saliency Detection参考文献 39被引用数 6

ひとこと要約

本稿では、ニュートロ接続性層分解を用いた乳房解剖構造モデリングを統合することで、乳房超音波画像における新しい腫瘍顕著度推定手法を提案する。前景マップと背景マップ、適応的中心バイアス、領域ベースの相関を活用することで、2つのデータセットにおいて最先端の性能を達成し、極端に大きいまたは小さい腫瘍の精度を特に向上させるとともに、腫瘍なし画像の処理にも効果的に対応する。

ABSTRACT

Tumor saliency estimation aims to localize tumors by modeling the visual stimuli in medical images. However, it is a challenging task for breast ultrasound due to the complicated anatomic structure of the breast and poor image quality; and existing saliency estimation approaches only model generic visual stimuli, e.g., local and global contrast, location, and feature correlation, and achieve poor performance for tumor saliency estimation. In this paper, we propose a novel optimization model to estimate tumor saliency by utilizing breast anatomy. First, we model breast anatomy and decompose breast ultrasound image into layers using Neutro-Connectedness; then utilize the layers to generate the foreground and background maps; and finally propose a novel objective function to estimate the tumor saliency by integrating the foreground map, background map, adaptive center bias, and region-based correlation cues. The extensive experiments demonstrate that the proposed approach obtains more accurate foreground and background maps with the assistance of the breast anatomy; especially, for the images having large or small tumors; meanwhile, the new objective function can handle the images without tumors. The newly proposed method achieves state-of-the-art performance when compared to eight tumor saliency estimation approaches using two breast ultrasound datasets.

研究の動機と目的

• 複雑な解剖学的構造と低品質な画像による、乳房超音波画像における腫瘍顕著度推定精度の低さという課題に対処すること。
• ニュートロ接続性を用いた乳房組織層のモデリングにより、前景マップと背景マップの生成を改善すること。
• 解剖学的事前知識、中心バイアス、領域ベースの相関を統合した新たな目的関数を構築し、顕著度推定を向上させること。
• 大規模および小規模な腫瘍を含む画像、および腫瘍なしのケースに対しても頑健な性能を発揮できること。
• ベンチマーク用乳房超音波画像データセットにおいて、既存の顕著度推定手法を上回ること。

提案手法

• ニュートロ接続性を用いて、乳房超音波画像を解剖学的層に分解し、組織構造をモデリングする。
• 分解された層から前景マップと背景マップを生成し、顕著度推定をガイドする。
• 前景マップ、背景マップ、適応的中心バイアス、領域ベースの相関の4つを統合した新しい最適化目的関数を導入する。
• 画像中央付近の腫瘍出現可能性を強調する適応的中心バイアスを採用し、解剖学的事前知識を反映する。
• 領域ベースの相関を用いて局所的な一貫性を向上させ、顕著度マップにおける誤検出を低減する。
• 目的関数を最適化することで、画像品質の変動に対しても頑健な正確な腫瘍顕著度マップを生成する。

実験結果

リサーチクエスチョン

• RQ1 解剖学的層への分解は、乳房超音波画像における前景マップと背景マップの品質向上に寄与するか？
• RQ2 乳房解剖学的構造と中心バイアスを統合することで、特に小規模または大規模な腫瘍の顕著度推定がどのように向上するか？
• RQ3 提案された目的関数は、腫瘍のない画像に対しても処理可能であり、一般化性能が向上するか？
• RQ4 本手法は、ベンチマーク用乳房超音波画像データセットにおいて、既存の顕著度推定アプローチを上回るか？
• RQ5 領域ベースの相関は、腫瘍局在の誤検出をどの程度低減するか？

主な発見

• 提案手法は、2つの公的乳房超音波画像データセットにおいて、8つの既存手法を上回る最先端の性能を達成した。
• ニュートロ接続性による解剖学的層分解を介したガイドにより、前景マップと背景マップの精度が顕著に向上した。
• 従来手法がしばしば失敗する、大規模および小規模な腫瘍を含む画像においても、本手法は優れた性能を示した。
• 新たな目的関数は、腫瘍のない画像に対しても安定的かつ現実的な顕著度マップを維持でき、効果的に処理した。
• 適応的中心バイアスと領域ベースの相関の統合により、誤検出率が低下し、局在化精度が向上した。
• 広範な実験により、本手法の多様な画像品質および腫瘍特性にわたる頑健性と一般化性能が確認された。