[논문 리뷰] 3D Contouring for Breast Tumor in Sonography

Dar‐Ren Chen, Yu‐Chih Lin외 1명|arXiv (Cornell University)|2019. 01. 27.

AI in cancer detection참고 문헌 15인용 수 8

한 줄 요약

이 논문은 진단 정확도를 향상시키고 수동 작업을 줄이기 위해 3D 유방 종양의 초음파 영상에서 레벨셋 방법(Least-Set Method, LSM)을 사용한 자동 3D 윤곽 추출 방법을 제안한다. 20건의 사례(양성 10건, 악성 10건)에서 평가한 결과, 수동 분할과 매우 유사한 윤곽 추출 결과를 도출하였으며, 노이즈가 많고 질감이 뚜렷한 초음파 영상에서도 뛰어난 안정성을 유지하였다.

ABSTRACT

Malignant and benign breast tumors present differently in their shape and size on sonography. Morphological information provided by tumor contours are important in clinical diagnosis. However, ultrasound images contain noises and tissue texture; clinical diagnosis thus highly depends on the experience of physicians. The manual way to sketch three-dimensional (3D) contours of breast tumor is a time-consuming and complicate task. If automatic contouring could provide a precise breast tumor contour that might assist physicians in making an accurate diagnosis. This study presents an efficient method for automatically contouring breast tumors in 3D sonography. The proposed method utilizes an efficient segmentation procedure, i.e. level-set method (LSM), to automatic detect contours of breast tumors. This study evaluates 20 cases comprising ten benign and ten malignant tumors. The results of computer simulation reveal that the proposed 3D segmentation method provides robust contouring for breast tumor on ultrasound images. This approach consistently obtains contours similar to those obtained by manual contouring of the breast tumor and can save much of the time required to sketch precise contours.

연구 동기 및 목표

• 유방 초음파 영상에서 수동 3D 종양 윤곽 추출이 시간이 많이 소요되고 주관적인 성향을 가지므로 이를 해결하고자 한다.
• 의료진의 경험이 진단에 미치는 영향을 줄이기 위해 형태학적 종양 경계 검출을 자동화하고자 한다.
• 초음파 영상의 노이즈와 조직 질감을 효과적으로 처리할 수 있는 강건한 3D 분할 방법을 개발하고자 한다.
• 임상 사례에서 자동 윤곽 추출 성능을 수동 분할과 비교하여 평가하고자 한다.
• 임상 및 연구 현장에서 종양 윤곽 추출을 위한 시간 효율적이고 정확한 대안을 제공하고자 한다.

제안 방법

• 이 방법은 초음파 영상에서 자동 3D 종양 분할을 위해 레벨셋 방법(Least-Set Method, LSM)을 활용한다.
• LSM은 에지 정보와 지역 강도 정보를 통합한 에너지 기능을 최소화함으로써 초기 윤곽을 진화시킨다.
• 알고리즘은 초음파 영상에서 흔히 발생하는 스펙클 노이즈와 이질적인 조직 질감을 처리하도록 설계되었다.
• 윤곽 진화를 안내하기 위해 영역 기반의 시드 포인트를 사용하여 분할 과정을 초기화한다.
• 다중 축방향 슬라이스를 통해 3D 종양 윤곽을 계산하고 부피 기반 종양 경계를 재구성한다.
• 자동 윤곽과 방사선 전문의가 수작업으로 그린 윤곽을 비교하여 성능을 검증한다.

실험 결과

연구 질문

• RQ1 자동 3D 분할 방법이 수동 윤곽과 유사한 종양 윤곽을 초음파 영상에서 도출할 수 있는가?
• RQ2 이러한 방법은 초음파 노이즈와 조직 질감이 존재하는 상황에서 얼마나 강건한가?
• RQ3 수동 윤곽 추출에 비해 시간과 노력을 얼마나 줄일 수 있는가?
• RQ4 이 방법은 양성 및 악성 종양 유형 모두에서 일관성을 유지하는가?
• RQ5 자동 윤곽은 임상 진단을 위한 신뢰할 수 있는 형태학적 분석을 지원할 수 있는가?

주요 결과

• 제안된 3D 분할 방법은 수동 분할과 일관되게 유사한 윤곽 추출 결과를 도출하였다.
• 20건의 사례 평가에서 양성 및 악성 종양 모두에서 뛰어난 성능을 입증하였다.
• 수동 윤곽 추출에 비해 뚜렷한 시간 절감 효과를 보였으며, 윤곽 정확도를 훼손하지 않았다.
• 레벨셋 방법은 초음파 영상의 스펙클 노이즈와 조직 질량을 효과적으로 처리하였다.
• 3D 재구성 과정에서 다수의 축방향 슬라이스에서 자동 윤곽이 안정적이고 재현 가능하였다.
• 이 방법은 진단 의사결정 지원을 위한 임상 워크플로우에 통합될 잠재력을 보였다.