[논문 리뷰] A hybrid approach based segmentation technique for brain tumor in MRI Images

D. Anithadevi, K. Perumal|arXiv (Cornell University)|2016. 03. 08.

Brain Tumor Detection and Classification참고 문헌 12인용 수 3

한 줄 요약

이 논문은 MRI 영상에서 자동 뇌 종양 검출을 향상시키기 위해 영역 성장과 임계값 기반 방법을 조합한 하이브리드 세그멘테이션 기법을 제안한다. 영역 성장 기법이 비정상적인 종양 형태를 잘 처리할 수 있는 능력과 임계값 기반 세그멘테이션의 강도 있는 강도 기반 분할 성능을 융합함으로써, 이 방법은 더 높은 정확도, 민감도 및 특이도를 달성하였다. 실제 지상 진실 데이터와의 평가에서 DICE 및 JACCARD 점수 모두 0.85를 초과하여 성능을 입증하였다.

ABSTRACT

Automatic image segmentation becomes very crucial for tumor detection in medical image processing.In general, manual and semi automatic segmentation techniques require more time and knowledge. However these drawbacks had overcome by automatic segmentation still there needs to develop more appropriate techniques for medical image segmentation. Therefore, we proposed hybrid approach based image segmentation using the combined features of region growing and threshold based segmentation techniques. It is followed by pre-processing stage to provide an accurate brain tumor extraction by the help of Magnetic Resonance Imaging (MRI). If the tumor has holes, the region growing segmentation algorithm cannot reveal but the proposed hybrid segmentation technique can be achieved and the result as well improved. Hence the result used to made assessment with the various performance measures as DICE, JACCARD similarity, accuracy, sensitivity and specificity. These similarity measures have been extensively used for evaluation with the ground truth of each processed image and its results are compared and analyzed.

연구 동기 및 목표

• 수작업 및 반자동 세그멘테이션의 시간 및 전문 지식 요구 사항을 극복하기 위해.
• T1 강화 MRI 스캔에서 정확한 뇌 종양 세그멘테이션을 위한 자동화되고 강인한 방법을 개발하기 위해.
• 내부 구멍이 있거나 경계가 비정상적인 종양의 경우 세그멘테이션 성능을 향상시키기 위해.
• DICE, JACCARD, 민감도 및 특이도와 같은 표준 지표를 사용하여 제안된 방법을 평가하기 위해.
• 지상 진실 데이터와의 비교를 통해 실제 MRI 데이터셋에서 방법을 검증하기 위해.

제안 방법

• 세그멘테이션 이전에 대trast를 향상시키고 노이즈를 줄이기 위해 MRI 영상을 사전 처리하기 위해.
• 강도 분포를 기반으로 초기 종양 영역을 식별하기 위해 임계값 기반 세그멘테이션을 적용하기 위해.
• 임계값 처리된 영역에서 선택된 시드 포인트를 사용하여 영역 성장을 적용하여 종양 경계를 정확하게 확장하기 위해.
• 두 기법의 출력을 융합하여 세그멘테이션을 정밀하게 다듬고 종양 영역의 구멍을 메우기 위해.
• 형태학적 연산을 사용하여 세그멘테이션된 영역을 정리하고 형태 일관성을 향상시키기 위해.
• DICE 및 JACCARD 유사도와 같은 성능 지표를 사용하여 지상 진실 데이터와의 비교를 통해 결과를 검증하기 위해.

실험 결과

연구 질문

• RQ1 임계값 기반 기법과 영역 성장을 조합한 하이브리드 접근 방식이 MRI 영상에서 종양 세그멘테이션 정확도를 향상시킬 수 있는가?
• RQ2 단독 기법 대비 제안된 방법이 내부 구멍이 있거나 비정상적인 형태를 띤 종양에서 어떻게 성능을 발휘하는가?
• RQ3 민감도, 특이도 및 유사도 지표 측면에서 하이브리드 방법이 전통적인 세그멘테이션 방법을 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 사전 처리 단계의 통합이 종양 세그멘테이션의 강인성을 향상시키는가?
• RQ5 다양한 종양 특성을 가진 다양한 MRI 스캔 간에 세그멘테이션 결과가 얼마나 일관성 있는가?

주요 결과

• 하이브리드 방법은 지상 진실 데이터와의 겹침 정도를 나타내는 DICE 유사도 계수 0.85 이상을 달성하여 강력한 겹침을 보였다.
• JACCARD 유사도 점수는 0.75를 초과하여 높은 세그멘테이션 일관성을 입증하였다.
• 민감도 및 특이도 값은 일관되게 높았으며, 종양 영역의 신뢰할 수 있는 탐지 능력을 확인하였다.
• 내부 구멍이 있는 종양의 경우, 영역 성장 기법만으로는 정확히 세그멘테이션하지 못했지만, 본 방법은 효과적으로 이를 처리하였다.
• 임계값 기반 기법과 영역 성장 기법의 통합은 개별적으로 사용했을 때보다 세그멘테이션 정확도를 향상시켰다.
• 성능 평가 결과, 본 방법은 간드히그람 대학교에서 제공한 실제 MRI 데이터셋에서도 강인성과 신뢰성을 입증하였다.