[論文レビュー] Tumour ROI Estimation in Ultrasound Images via Radon Barcodes in Patients with Locally Advanced Breast Cancer

Hamid R. Tizhoosh, Mehrdad J. Gangeh+2 more|arXiv (Cornell University)|Feb 8, 2016

AI in cancer detection参考文献 17被引用数 4

ひとこと要約

本稿では、局所的進行性乳癌（LABC）患者の超音波Bモード画像における腫瘍領域の注目領域（ROI）を推定するための準自動手法を提案する。Radonバーコードを用いて、グローバルおよびローカルのRadon変換から得られるコンテンツベースのバーコードを活用し、データベース内の類似症例を特定することで腫瘍のバウンディングボックスを推定する。交差検証（1人を除いた検証）において81%の正確性を達成し、手動セグメンテーション作業を顕著に削減する。

ABSTRACT

Quantitative ultrasound (QUS) methods provide a promising framework that can non-invasively and inexpensively be used to predict or assess the tumour response to cancer treatment. The first step in using the QUS methods is to select a region of interest (ROI) inside the tumour in ultrasound images. Manual segmentation, however, is very time consuming and tedious. In this paper, a semi-automated approach will be proposed to roughly localize an ROI for a tumour in ultrasound images of patients with locally advanced breast cancer (LABC). Content-based barcodes, a recently introduced binary descriptor based on Radon transform, were used in order to find similar cases and estimate a bounding box surrounding the tumour. Experiments with 33 B-scan images resulted in promising results with an accuracy of $81\%$.

研究の動機と目的

• 局所的進行性乳癌（LABC）患者の超音波Bモード画像における腫瘍領域の注目領域（ROI）の手作業セグメンテーションが時間と手間のかかる作業であるのを是正すること。
• 低コントラストおよび曇った腫瘍境界のため、完全な輪郭抽出が困難である状況においても、全輪郭抽出を避けることにより、迅速かつ準自動的に腫瘍の粗い局所化を実現するアプローチの開発。
• Radonバーコードをコンテンツベースの画像記述子として用いることで、超音波画像におけるROI推定の可能性を評価すること。
• その後の定量的超音波（QUS）解析（例：組織の特徴化や治療反応予測）のための効率的な前処理を可能にすること。
• 特に3次元ABUS画像において、大規模な研究で数日もかかる可能性がある専門家の手動輪郭指定に依存するのを減らすこと。

提案手法

• 本手法は、Radon変換から得られるコンテンツベースのバーコード（バイナリーディスクリプタ）を用い、グローバルな画像コンテンツおよびローカルな腫瘍ROI領域を表現する。
• 各グランド・トゥース画像に対して、2つのバーコードを生成する：全画像用のグローバルバーコードと、腫瘍のバウンディングボックス用のローカルバーコード。
• クエリ画像は、ユーザーが指定した中心点のクリックによって固定サイズのROIを定義し、そのROIからグローバルおよびローカルバーコードを抽出する。
• クエリ画像とトレーニング画像間の類似度は、グローバルおよびローカルバーコードの両方のハミング距離を用いて計算され、総合的な不一致スコアに統合される。
• 類似度の高い上位M件のトレーニングケースが選択され、それらのバウンディングボックス座標は逆類似度（式5）によって重み付けされ、統合された推定ROI（式4）が計算される。
• 最終的な推定ROIは、グランド・トゥースのバウンディングボックスとの間でDice係数を用いて評価され、正確性が測定される。

実験結果

リサーチクエスチョン

• RQ1 コンテンツベースの検索文脈において、Radonバーコードは超音波画像における腫瘍の外観を効果的に表現できるか？特に腫瘍ROI推定の文脈で。
• RQ2 低コントラストでノイズの多い超音波画像において、Radonバーコードを用いた準自動手法が、専門家がアノテートしたグランド・トゥースと比較して、腫瘍のバウンディングボックスをどの程度正確に推定できるか？
• RQ3 ユーザー入力（中心点のクリック）が推定ROIの正確性に及ぼす影響はどの程度か？また、入力位置のわずかな変動に対して、この手法はどの程度頑健か？
• RQ4 本手法は、QUSベースのがん治療反応モニタリングおよび予測研究におけるROI選択に要する時間と作業負荷を顕著に削減できるか？
• RQ5 グローバルおよびローカルのRadonバーコードの組み合わせは、単独で使用する場合よりも、超音波画像における腫瘍局所化に有効であるか？

主な発見

• 提案手法は、LABC患者の33枚のBスキャン画像を対象とした1人を除いた検証において、平均Dice類似係数81% ± 14%を達成した。
• ユーザーが指定した中心点が真の腫瘍中心付近にあれば、そのわずかな変動に対しても本手法は頑健であることが示された。
• グローバルおよびローカルのRadonバーコードの両方を用いることで、単独で使用する場合と比較して、局所化の正確性が向上した。これは、統合類似度指標によって確認された。
• 本手法は、手作業によるセグメンテーションに代わる迅速かつ準自動的な代替手段を提供することで、大規模な研究におけるROI選択に要する作業を顕著に削減する。
• 本手法は計算的に効率的かつスケーラブルであり、複雑な画像登錾やディープラーニング推論に依存するのではなく、バイナリーバーコード比較に依存しているためである。
• 結果から、本手法は、乳癌における治療予測および組織特徴化のQUSパイプラインへの統合に強く有望であることが示唆された。