[논문 리뷰] Automatic Skin Lesion Segmentation Using GrabCut in HSV Colour Space

Fakrul Islam Tushar|arXiv (Cornell University)|2018. 09. 30.

Cutaneous Melanoma Detection and Management참고 문헌 2인용 수 6

한 줄 요약

이 논문은 컴퓨터 보조 피부암 진료에서 정확도를 향상시키기 위해 피부 병변 영역을 자동으로 분할하는 방법을 제안한다. HSV 색상 공간에서 GrabCut를 사용하여, 검은 테두리를 제거하는 전처리를 거친 후 최소한의 인간 입력을 통해 영역을 추출한다. 이 방법은 ISIC 2017 트레이닝 데이터셋에서 평균 Jaccard 지수 0.71을 달성하여, 낮은 사용자 상호작용으로도 병변 경계 추출에 강력한 성능을 보여준다.

ABSTRACT

Skin lesion segmentation is one of the first steps towards automatic Computer-Aided Diagnosis of skin cancer. Vast variety in the appearance of the skin lesion makes this task very challenging. The contribution of this paper is to apply a power foreground extraction technique called GrabCut for automatic skin lesion segmentation with minimal human interaction in HSV color space. Preprocessing was performed for removing the outer black border. Jaccard Index was measured to evaluate the performance of the segmentation method. On average, 0.71 Jaccard Index was achieved on 1000 images from ISIC challenge 2017 Training Dataset.

연구 동기 및 목표

• 자동 피부암 진료에서 병변의 외관이 매우 다양하여 정확한 분할을 달성하는 데 도전하는 문제를 해결하기 위해.
• 효율적인 전경 추출 기법을 활용하여 병변 분할에 필요한 인간 상호작용을 줄이기 위해.
• HSV 색상 공간을 활용하여 병변 영역를 주변 피부와 더 잘 분리함으로써 분할 정확도를 향상시키기 위해.
• 대규모 공개 데이터셋(ISIC 2017)을 사용하여 Jaccard 지수로 성능을 평가하기 위해.

제안 방법

• 병변 영상의 외곽 검은 테두리를 제거하기 위해 전처리 단계를 적용하여 분할 정확도를 향상시켰다.
• 이미지를 표현하기 위해 HSV 색상 공간을 사용하여, 색상과 채도 기반으로 병변과 정상 피부를 더 잘 구분할 수 있도록 하였다.
• 그래프 기반 분할 알고리즘인 GrabCut을 적용하여 최소한의 인간 입력(예: 근사 경계 상자)으로 병변 영역를 추출하였다.
• 분할 과정에서 HSV 공간의 색상 및 무늬 특징을 활용하여 전경과 배경 분할을 반복적으로 정밀화하였다.
• 전경 및 배경 영역의 색상 분포를 모델링하기 위해 혼합 정규분포 모델(GMM)을 사용하였다.
• 성능 평가로 예측된 분할 마스크를 진짜 마스크와 비교하여 Jaccard 지수를 사용하였다.

실험 결과

연구 질문

• RQ1 HSV 색상 공간에서 GrabCut를 사용하여 최소한의 인간 입력으로 강건한 피부 병변 분할을 달성할 수 있는가?
• RQ2 피부 병변의 외관 변화가 심한 경우, RGB 대비 HSV 색상 공간이 분할 정확도를 어떻게 향상시키는가?
• RQ3 제안된 방법이 ISIC 2017 트레이닝 데이터셋에서 Jaccard 지수로 어떤 성능을 보이는가?
• RQ4 검은 테두리를 제거하는 전처리가 분할 결과에 상당한 영향을 미치는가?
• RQ5 정확도와 사용자 상호작용 측면에서 다른 자동 분할 기법과 비교해 볼 때, 이 방법은 어떻게 성능을 내는가?

주요 결과

• 제안된 방법은 ISIC 2017 트레이닝 데이터셋의 1,000장의 영상에서 평균 Jaccard 지수 0.71를 달성하였다.
• HSV 색상 공간의 사용으로 병변과 배경 간의 분리가 향상되어 분할의 강건성이 향상되었다.
• 외곽 검은 테두리를 제거하는 전처리가 더 정확한 분할 결과를 얻는 데 상당한 기여를 하였다.
• 최소한의 인간 상호작용으로도 가능하여, GrabCut를 초기화하기 위해 근사 경계 상자만 필요로 하였다.
• 결과적으로 HSV 공간에서의 GrabCut는 자동 피부 병변 분할을 위한 실현 가능하고 효과적인 접근법임을 입증하였다.