[논문 리뷰] A Gaussian Scale Space Approach For Exudates Detection, Classification And Severity Prediction

Mrinal Haloi, Samarendra Dandapat외 1명|arXiv (Cornell University)|2015. 05. 04.

Retinal Imaging and Analysis참고 문헌 13인용 수 19

한 줄 요약

이 논문은 이방향 분산, 가우시안 스케일 스페이스 이면 지도(GIMAP), 수학적 형태학 및 SVM 분류를 사용하여 당뇨성 망막병증에서 망막 출현물의 검출, 분류 및 중증도 예측을 위한 가우시안 스케일 스페이스 기반 방법을 제안한다. DIARETDB1V2에서 96.54%의 민감도와 98.35%의 예측 정확도를 달성하여 밝기 변화에 대해 강건하고 다양한 크기의 출현물에도 잘 대응함을 보여준다.

ABSTRACT

In the context of Computer Aided Diagnosis system for diabetic retinopathy, we present a novel method for detection of exudates and their classification for disease severity prediction. The method is based on Gaussian scale space based interest map and mathematical morphology. It makes use of support vector machine for classification and location information of the optic disc and the macula region for severity prediction. It can efficiently handle luminance variation and it is suitable for varied sized exudates. The method has been probed in publicly available DIARETDB1V2 and e-ophthaEX databases. For exudate detection the proposed method achieved a sensitivity of 96.54% and prediction of 98.35% in DIARETDB1V2 database.

연구 동기 및 목표

• 빛의 강도 변화와 영상 잡음에 영향을 받지 않는 강건한 자동화된 시스템을 개발하여 색채 안구도에서 출현물을 검출한다.
• 질병 중증도 예측을 지원하기 위해 출현물을 딱딱한 유형과 연한 유형으로 분류한다.
• 안구의 주요 해부학적 구조물(망막 중심부와 시신경두)과의 공간적 관계를 기반으로 질병 중증도를 예측한다.
• 수동적인 영상 평가에 의존도를 줄임으로써 대량 스크리닝에서 컴퓨터 보조 진단(CAD) 시스템의 정확성과 신뢰성을 향상시킨다.
• DIARETDB1V2와 e-ophthaEX와 같은 다양한 데이터베이스에서 일관된 성능을 보이는 데이터셋에 종속되지 않는 방법을 개발한다.

제안 방법

• 출현물의 중요한 경계 구조를 유지하면서 잡음을 감소시키기 위해 이방향 분산 필터링을 사용하여 안구도 영상을 사전 처리한다.
• 다양한 크기와 밝기의 출현물 반응을 다중 척도에서 탐지하기 위해 가우시안 스케일 스페이스 기반의 관심 지도(GIMAP)를 구성한다.
• 후보 영역을 정제하고 잡음 신호를 억제하기 위해 수학적 형태학적 연산(예: 형태학적 닫힘 및 열림)을 적용한다.
• Lab 색상 공간의 밝기 및 색채도를 포함한 14차원 특징을 사용하여 지지 벡터 기반 분류기(SVM)를 활용해 딱딱한 유형과 연한 유형의 출현물을 분류한다.
• 시신경두와 망막 중심부의 위치 데이터를 통합하여 이러한 해부학적 기준점과의 출현물 거리에 기반해 질병 중증도를 예측한다.
• 일반화를 위해 통합된 DIARETDB1V2와 e-ophthaEX 데이터셋을 10겹 교차검증으로 활용하여 SVM 분류기의 학습 및 검증을 수행한다.

실험 결과

연구 질문

• RQ1 빛의 강도 변화 하에서 다양한 크기와 밝기의 출현물을 효과적으로 탐지할 수 있는 가우시안 스케일 스페이스 기반 관심 지도의 성능은 어떠한가?
• RQ2 사전 처리된 영상에서 추출한 색상 및 형태학적 특징을 사용하여 SVM가 딱딱한 유형과 연한 유형의 출현물을 얼마나 정확하게 분류할 수 있는가?
• RQ3 해부학적 기준점(시신경두와 망막 중심부)을 통합함으로써 당뇨성 망막병증의 중증도 예측 성능은 어느 정도 향상되는가?
• RQ4 기존의 최첨단 출현물 검출 및 분류 기법들과 비교하여 제안된 방법의 성능은 어떠한가?
• RQ5 이 방법은 다양한 이미지 품질과 병리적 특징을 가진 다른 데이터베이스에서도 강건한가?

주요 결과

• DIARETDB1V2 데이터베이스에서 96.54%의 민감도와 98.35%의 예측 정확도를 기록하였으며, AUC가 0.968로 강력한 진단 성능를 보여주었다.
• e-ophthaEX 데이터베이스에서는 95.82%의 민감도와 97.85%의 예측 정확도를 달성하여 다양한 데이터셋 간 일관된 성능을 입증하였다.
• DIARETDB1V2 데이터셋에서 SVM 기반 분류 시스템은 딱딱한 출현물에 대해 98.73%의 정확도, 연한 출현물에 대해 98.23%의 정확도를 기록하였다.
• Zhang 등(2014)과 Giancardo 등(2012)의 이전 방법들을 초월하여, 각각 DIARETDB1V2와 e-ophthaEX에서 AUC 값이 0.968과 0.952로 더 높은 성능을 보였다.
• 손상된 영상 요소인 손자국이나 움직임 블러와 같은 잡음에 대해 강건하게 작동하였으며, 별도의 시신경두 또는 혈관 세분화가 거의 필요로 하지 않았다.
• 해부학적 기준점(시신경두와 망막 중심부)의 통합을 통해 비증식성과 증식성 당뇨성 망막병증 단계를 효과적으로 구분할 수 있는 중증도 예측이 가능했다.