[논문 리뷰] Automatic Mammogram image Breast Region Extraction and Removal of Pectoral Muscle

Rainer Boss, K. Thangavel외 1명|arXiv (Cornell University)|2013. 07. 29.

AI in cancer detection참고 문헌 17인용 수 24

한 줄 요약

이 논문은 의료-측면 비치(Medio-Lateral Oblique, MLO) 영상에서 유방 부위 추출 및 흉근 근육 제거를 위한 자동 히스토그램 기반 8-주변 이웃 연결 성분 레이블링 방법을 제안한다. 이 방법은 근육 간섭으로 인한 오진을 줄이고 분할 정확도를 향상시켜 컴퓨터 보조 진단(CAD) 시스템의 정확도를 향상시키며, 평가 결과 기존 방법들보다 뛰어난 성능을 보였다.

ABSTRACT

Currently Mammography is a most effective imaging modality used by radiologists for the screening of breast cancer. Finding an accurate, robust and efficient breast region segmentation technique still remains a challenging problem in digital mammography. Extraction of the breast profile region and the removal of pectoral muscle are essential pre-processing steps in Computer Aided Diagnosis (CAD) system for the diagnosis of breast cancer. Primarily it allows the search for abnormalities to be limited to the region of the breast tissue without undue influence from the background of the mammogram. The presence of pectoral muscle in mammograms biases detection procedures, which recommends removing the pectoral muscle during mammogram image pre-processing. The presence of pectoral muscle in mammograms may disturb or influence the detection of breast cancer as the pectoral muscle and mammographic parenchymas appear similar. The goal of breast region extraction is reducing the image size without losing anatomic information, it improve the accuracy of the overall CAD system. The main objective of this study is to propose an automated method to identify the pectoral muscle in Medio-Lateral Oblique (MLO) view mammograms. In this paper, we proposed histogram based 8-neighborhood connected component labelling method for breast region extraction and removal of pectoral muscle. The proposed method is evaluated by using the mean values of accuracy and error. The comparative analysis shows that the proposed method identifies the breast region more accurately.

연구 동기 및 목표

• 디지털 유방 조영술에서 정확한 유방 부위 분할을 위한 자동화된 방법을 개발하는 것.
• 유방 종양 탐지에 왜곡을 초래할 수 있는 MLO 영상에서 흉근 근육 간섭 문제를 해결하는 것.
• 유방 조직을 분리하기 위해 유방 영상을 사전 처리하여 컴퓨터 보조 진단(CAD) 시스템의 효율성과 정확도를 향상시키는 것.
• 배경 잡음과 관련 없는 해부학적 구조를 제거하고, 유방 간질 조직에 집중한 탐지 수행.
• 기존 기법들과의 정량적 비교를 위해 정확도 및 오차 지표를 사용하여 방법을 평가하는 것.

제안 방법

• 유방 조직과 배경을 구분하기 위해 히스토그램 기반 임계치 설정을 적용한다.
• 강도 연결성에 기반하여 8-주변 이웃 연결 성분 레이블링을 적용하여 유방 부위를 식별하고 분할한다.
• 분할된 영역 내에서 공간적 및 강도 특성을 분석하여 흉근 근육을 탐지하고 제거한다.
• 형태학적 연산을 사용하여 분할된 유방 경계를 정제하고 잡음 제거.
• 비유방 구조를 제거하면서도 해부학적 세부 정보를 유지하도록 설계.
• MLO 영상 유형의 유방 영상 데이터셋을 사용하여 평균 정확도 및 오차 지표를 기반으로 평가 수행.

실험 결과

연구 질문

• RQ1 자동 히스토그램 기반 방법이 MLO 영상에서 유방 부위를 얼마나 정확하게 추출할 수 있는가?
• RQ2 흉근 근육 제거가 후속 CAD 시스템 성능에 어느 정도 향상시키는가?
• RQ3 8-주변 이웃 연결 성분 레이블링이 유방 조직과 배경, 근육을 효과적으로 구분할 수 있는가?
• RQ4 기존 분할 기법들과 비교해 본다면 제안된 방법의 정확도와 오차는 어떻게 되는가?
• RQ5 근육 제거를 위한 사전 처리가 유방암 진단의 전체 신뢰성에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 전통적 접근 방식에 비해 더 높은 정확도로 유방 부위 추출을 달성한다.
• 흉근 근육 제거로 인해 CAD 시스템에서 오진 탐지가 크게 감소한다.
• 대trast 및 노이즈 수준이 다양한 MLO 영상에 대해 뛰어난 정확도를 유지하는 안정적인 성능을 보인다.
• 정량적 평가 결과, 분할 정확도가 향상되고 오차율이 감소함을 확인.
• 히스토그램 기반 임계치 설정과 연결 성분 레이블링을 활용함으로써 수동 조작 없이도 효율적이고 신뢰할 수 있는 분할이 가능.
• 결과적으로 사전 처리 단계에서 흉근 근육 제거가 후속 진단 분석의 정밀도를 향상시킨다는 것이 확인되었다.