[논문 리뷰] A dynamic graph-cuts method with integrated multiple feature maps for segmenting kidneys in ultrasound images

Qiang Zheng, Steven L. Warner외 2명|arXiv (Cornell University)|2017. 06. 11.

Medical Image Segmentation Techniques참고 문헌 29인용 수 3

한 줄 요약

이 논문은 초음파 영상에서 신장 분할을 향상시키기 위해 영상 강도와 갈레르-유도 텍스처 특징을 통합한 동적 그래프 컷스 방법을 제안한다. 신장 경계 부근에 국소화된 그래프를 구축하고 지역 유사성에 기반해 에지 가중치를 반복적으로 업데이트함으로써, 평균 DICE 스코어 0.9581과 평균 거리 1.7166을 달성하여 최신 기법들보다 뛰어난 성능을 보였다 (p < 10⁻¹⁹).

ABSTRACT

Purpose: To improve kidney segmentation in clinical ultrasound (US) images, we develop a new graph cuts based method to segment kidney US images by integrating original image intensity information and texture feature maps extracted using Gabor filters. Methods: To handle large appearance variation within kidney images and improve computational efficiency, we build a graph of image pixels close to kidney boundary instead of building a graph of the whole image. To make the kidney segmentation robust to weak boundaries, we adopt localized regional information to measure similarity between image pixels for computing edge weights to build the graph of image pixels. The localized graph is dynamically updated and the GC based segmentation iteratively progresses until convergence. The proposed method has been evaluated and compared with state of the art image segmentation methods based on clinical kidney US images of 85 subjects. We randomly selected US images of 20 subjects as training data for tuning the parameters, and validated the methods based on US images of the remaining 65 subjects. The segmentation results have been quantitatively analyzed using 3 metrics, including Dice Index, Jaccard Index, and Mean Distance. Results: Experiment results demonstrated that the proposed method obtained segmentation results for bilateral kidneys of 65 subjects with average Dice index of 0.9581, Jaccard index of 0.9204, and Mean Distance of 1.7166, better than other methods under comparison (p&lt;10-19, paired Wilcoxon rank sum tests). Conclusions: The proposed method achieved promising performance for segmenting kidneys in US images, better than segmentation methods that built on any single channel of image information. This method will facilitate extraction of kidney characteristics that may predict important clinical outcomes such progression chronic kidney disease.

연구 동기 및 목표

• 초음파 영상에서 높은 외형 변동성과 약한 경계로 인한 도전 과제를 해결하기 위해.
• 강도 및 텍스처와 같은 다중 영상 특징을 융합하여 분할 정확도를 향상시키기 위해.
• 신장 경계 근처의 픽셀에만 초점을 맞춰 그래프 구축을 수행함으로써 계산 효율성을 향상시키기 위해.
• 진행 중인 분할 결과에 기반해 그래프 구조를 동적으로 업데이트함으로써 개선된 수렴성을 확보하는 견고한 반복적 분할 프레임워크를 개발하기 위해.
• 만성 신장질환 진행 예측을 위한 임상적 활용을 위해 신장 특성의 신뢰성 있는 추출을 가능하게 하기 위해.

제안 방법

• 전체 영상이 아닌 신장 경계 부근에 국소화된 픽셀 그래프를 구축하여 계산 효율성을 향상시킨다.
• 에지 가중치 계산을 위한 다중 채널 입력으로 원본 영상 강도와 갈레르 필터링을 거친 텍스처 특징을 통합한다.
• 지역 유사성에 기반한 국소화된 지역적 유사성 측정을 사용하여, 약하거나 노이즈가 많은 경계에 대한 강건성을 향상시킨다.
• 반복 과정 동안 변화하는 분할 결과에 기반해 그래프 구조를 동적으로 업데이트한다.
• 수렴할 때까지 반복적으로 그래프 컷스 최적화를 적용하여 경계를 점진적으로 정밀화한다.
• 분할 안정성을 향상시키기 위해 영역 기반 유사성 측정을 활용해 에지 가중치 할당을 유도한다.

실험 결과

연구 질문

• RQ1 강도 및 텍스처 특징 지ap을 통합하면 초음파 영상에서 신장 분할 정확도가 향상되는가?
• RQ2 동적 그래프 업데이트 방식은 약하거나 모호한 경계에 대한 분할 강건성을 어떻게 향상시키는가?
• RQ3 경계 인근 픽셀에만 초점을 맞춘 그래프 구축 방식은 정확도를 희생시키지 않고 계산 효율성을 향상시키는가?
• RQ4 제안된 방법은 임상적 신장 초음파 영상에서 단일 특징 또는 정적 그래프 컷스 기법과 비교해 어떻게 성능을 냈는가?
• RQ5 이 방법은 임상 예후를 위한 신장 형태학적 특징의 신뢰성 있는 추출을 어느 정도 지원하는가?

주요 결과

• 제안된 방법은 65명의 환자에서 평균 DICE 지수 0.9581을 달성하여 비교된 모든 기법들보다 유의미하게 뛰어났다 (p < 10⁻¹⁹).
• 재결합 지수(Jaccard index)는 0.9204에 도달하여 분할된 영역과 참값 영역 간의 강한 겹침을 나타냈다.
• 분할된 윤곽선과 수동 윤곽선 간 평균 거리는 1.7166 픽셀이었으며, 이는 높은 공간 정확도를 반영했다.
• 국소화된 지역 유사성 모델링 덕분에 강도 비균일성과 약한 경계에 대해 뛰어난 강건성을 보였다.
• 파라미터 튜닝은 20명의 환자에서 수행되었고, 나머지 65명의 환자에서의 검증을 통해 일관된 높은 성능이 확인되었다.
• 다중 특징 지도(강도 + 갈레르 텍스처)의 통합은 단일 채널 정보에 의존하는 방법보다 더 나은 분할 성능을 이끌어냈다.