[논문 리뷰] Client/Server Based Online Environment for Manual Segmentation of Medical Images

Daniel Wild, Maximilian Weber외 1명|arXiv (Cornell University)|2019. 04. 18.

Medical Image Segmentation Techniques참고 문헌 8인용 수 7

한 줄 요약

이 논문은 웹 브라우저에서 직접 의료 영상의 수동 분할을 가능하게 하는 웹 기반 클라이언트/서버 애플리케이션인 Studierfenster를 제시한다. 이는 로컬 소프트웨어 설치를 제거하며, 높은 사용성(평균 평가 6.3/7)을 달성하고 표준 도구와 호환되는 정확한 분할 결과를 생성하여 의료 영상 분석 연구의 지상 참조 데이터 수집을 크게 용이하게 한다.

ABSTRACT

Segmentation is a key step in analyzing and processing medical images. Due to the low fault tolerance in medical imaging, manual segmentation remains the de facto standard in this domain. Besides, efforts to automate the segmentation process often rely on large amounts of manually labeled data. While existing software supporting manual segmentation is rich in features and delivers accurate results, the necessary time to set it up and get comfortable using it can pose a hurdle for the collection of large datasets. This work introduces a client/server based online environment, referred to as Studierfenster (studierfenster.at), that can be used to perform manual segmentations directly in a web browser. The aim of providing this functionality in the form of a web application is to ease the collection of ground truth segmentation datasets. Providing a tool that is quickly accessible and usable on a broad range of devices, offers the potential to accelerate this process. The manual segmentation workflow of Studierfenster consists of dragging and dropping the input file into the browser window and slice-by-slice outlining the object under consideration. The final segmentation can then be exported as a file storing its contours and as a binary segmentation mask. In order to evaluate the usability of Studierfenster, a user study was performed. The user study resulted in a mean of 6.3 out of 7.0 possible points given by users, when asked about their overall impression of the tool. The evaluation also provides insights into the results achievable with the tool in practice, by presenting two ground truth segmentations performed by physicians.

연구 동기 및 목표

• 로컬 의료 영상 분할 소프트웨어의 시간이 많이 소요되는 설정 및 훈련 문제를 해결하기 위해.
• 웹 브라우저를 통한 즉각적인 액세스를 통해 대규모 지상 참조 데이터셋 수집의 장벽을 줄이기 위해.
• 소프트웨어 설치 없이 의료 종사자 및 연구자가 수동 분할을 수행할 수 있는 플랫폼 독립적이고 경량의 솔루션을 제공하기 위해.
• 자동 분할 알고리즘 훈련을 위한 지상 참조 애너테이션의 효율성과 접근성 향상하기 위해.
• 의료 및 비의료 참가자를 대상으로 한 제어된 사용자 연구를 통해 사용성과 분할 정확도 평가하기 위해.

제안 방법

• Slice:Drop을 프론트엔드 의료 영상 뷰어로 사용하고, 커스터마이징된 서버 백엔드를 추가하여 클라이언트/서버 아키텍처를 구축했다.
• 브라우저로 드래그 앤 드롭을 통한 파일 업로드를 가능하게 하였으며, 윤곽선 그리기를 통해 슬라이스 단위로 분할을 수행했다.
• 사용자가 그린 윤곽선을 이진 NRRD 마스크 파일로 변환하기 위해 서버 측 처리를 구현했다.
• HTML, CSS, JavaScript와 같은 웹 기술을 활용하여 크로스 플랫폼 호환성과 설치가 불필요한 조건을 확보했다.
• 왼쪽 사이드바에 분할 기능을 위한 제어 요소를 배치한 반응형 UI를 설계하였으며, 사용자 피드백을 반영해 후속으로 개선했다.
• 의료 및 비의료 참가자를 대상으로 분할 시간, Hausdorff 거리, Dice 점수를 비교한 사용자 연구를 수행했다.

실험 결과

연구 질문

• RQ1 기존 데스크톱 소프트웨어에 비해 웹 기반 클라이언트/서버 시스템이 수동 의료 영상 분할의 설정 시간을 현저히 줄이고 접근성을 향상시킬 수 있는가?
• RQ2 의료 전문가와 비전문가의 시각에서 웹 브라우저 기반 분할 도구의 사용성은 데스크톱 도구와 비교해 어떻게 다를까?
• RQ3 웹 기반 인터페이스를 통해 달성할 수 있는 분할 정확도의 수준은 어떠한가? 의료 전문가와 비전문가 간 결과는 어떻게 비교되는가?
• RQ4 웹 기반 분할 워크플로우에서 발생하는 주요 사용성 문제는 무엇이며, 줌 기능, 아이콘 등 어떤 기능이 사용자 효율성과 만족도에 가장 큰 영향을 미치는가?
• RQ5 웹 기반 도구가 기존 의료 영상 소프트웨어 파이프라인과 호환되는 지상 참조 데이터를 얼마나 잘 생성할 수 있는가?

주요 결과

• 도구는 평균 사용성 평가 점수 6.3점(만점 7점)을 기록하여 전반적인 사용자 만족도가 높고 복잡도를 낮게 느끼는 것으로 나타났다.
• 의료 참가자는 평균 14.7분, 비의료 참가자는 평균 18.8분으로 분할을 완료했으며, 두 그룹 모두 높은 품질의 결과를 생성했다.
• Hausdorff 거리는 의료 참가자(평균 3.518)가 비의료 참가자(평균 3.805)보다 낮아 전문가가 더 정밀한 윤곽선을 그렸음을 시사한다.
• Dice 점수는 의료 참가자(평균 0.852)가 비의료 참가자(평균 0.836)보다 略로 높아 전문가 간 분할 일치도가 더 높음을 확인했다.
• 경험이 낮은 비의료 참가자도 수용 가능한 정확도로 분할 결과를 생성하여, 의료 훈련 없이도 도구가 사용 가능함을 시사한다.
• 사용자들은 줌 기능 추가 및 UI 제어 요소에 시각적 아이콘 도입을 핵심 개선 사항으로 지적하였으며, 이는 훈련 시간 단축과 정밀도 향상에 기여할 수 있다.