[논문 리뷰] Contrast Enhancement of Medical X-Ray Image Using Morphological Operators with Optimal Structuring Element

Rafsanjany Kushol, Md Nishat Raihan외 2명|arXiv (Cornell University)|2019. 05. 21.

Image and Signal Denoising Methods참고 문헌 17인용 수 25

한 줄 요약

이 논문은 경사계수의 크기를 통해 구조 요소(SE) 크기를 선택하는 형태적 토포그래피 및 본하트 변환을 사용하여 의료 X선 영상에 대한 자동 대trast 강화 방법을 제안한다. 이 방법은 뼈 및 연조직 구조의 시각적 명료도를 향상시켜 다양한 X선 데이터셋에서 CLAHE보다 정성적 및 정량적 평가에서 뛰어난 성능을 보이며, 강건성과 향상된 진단 유용성을 입증한다.

ABSTRACT

To guide surgical and medical treatment X-ray images have been used by physicians in every modern healthcare organization and hospitals. Doctor's evaluation process and disease identification in the area of skeletal system can be performed in a faster and efficient way with the help of X-ray imaging technique as they can depict bone structure painlessly. This paper presents an efficient contrast enhancement technique using morphological operators which will help to visualize important bone segments and soft tissues more clearly. Top-hat and Bottom-hat transform are utilized to enhance the image where gradient magnitude value is calculated for automatically selecting the structuring element (SE) size. Experimental evaluation on different x-ray imaging databases shows the effectiveness of our method which also produces comparatively better output against some existing image enhancement techniques.

연구 동기 및 목표

• 정확한 진단과 특징 추출을 방해하는 저대비, 노이즈가 많은 의료 X선 영상 문제를 해결하기 위해.
• 형태적 연산에서 최적의 구조 요소(SE) 크기를 수동 조정 없이 자동으로 선택하는 방법을 개발하기 위해.
• 특히 뼈와 연조직과 같은 중요한 해부학적 구조의 시각화를 향상시켜 임상적 의사결정을 개선하기 위해.
• 다양한 조건에서 여러 공개 X선 데이터셋(폐, 치과, 뼈 X선 포함)을 대상으로 방법의 성능을 평가하기 위해.

제안 방법

• 이 방법은 소규모 밝은 영역과 어두운 영역을 각각 추출함으로써 대비를 향상시키기 위해 형태적 토포그래피 및 본하트 변환을 사용한다.
• 구조 요소(SE)의 크기는 입력 영상의 기울기 크기를 사용하여 자동으로 결정되며, 영상 콘텐츠에 적응 가능하도록 보장한다.
• 기울기 크기를 계산하여 SE 크기 선택을 안내함으로써 노이즈 억제와 특징 강화 사이의 균형을 맞춘다.
• 비교를 위해 CLAHE와의 성능를 평가하기 위해 MATLAB에서 타일 기반 전략(8×8 타일 크기, 128개 히스토그램 버킷)을 사용하여 구현한다.
• 이 방법은 공개된 여섯 개의 데이터셋을 통해 전면 흉부 X선, 치과 X선, 뼈 X선 등 다양한 X선 영상 유형에 적용된다.
• 성능 평가는 시각적 비교를 통한 정성적 평가와 표준 지표를 사용한 정량적 평가로 이루어지며, 구체적인 지표는 제공된 텍스트에 상세히 기재되어 있지 않다.

실험 결과

연구 질문

• RQ1 자동으로 선택된 SE 크기를 가진 형태적 연산자가 저대비 의료 X선 영상의 대비를 향상시킬 수 있는가?
• RQ2 고정 또는 수동 조정된 SE와 비교할 때 기울기 크기를 기반으로 한 SE 크기 선택 방식은 진단 가시성을 향상시키는 데 얼마나 효과적인가?
• RQ3 다양한 X선 영상 유형과 데이터셋에서 CLAHE보다 제안된 방법이 구조적 세부 정보를 향상시키는 데 뛰어난가?
• RQ4 노이즈가 많고 밝기가 낮은 X선 영상에서 대비를 향상시키는 동안 이미지 품질을 얼마나 잘 유지하는가?
• RQ5 이 방법은 흉부, 치과, 뼈 X선과 같은 다양한 의료 영상 모odalities에 일반화될 수 있는가?

주요 결과

• 제안된 방법은 ChestX-ray8 및 NLM (Open-i) 데이터셋의 샘플 영상에서 뼈 구조와 연조직의 더 선명한 시각화를 보이며, CLAHE보다 정성적으로 뛰어난 대비 강화 효과를 나타낸다.
• 기울기 크기를 사용한 자동 SE 크기 선택은 수동 파rameter 조정이 필요 없이 특징을 적응적으로 강화할 수 있도록 해준다.
• 이 방법은 전면 흉부 X선, 치과 X선, 뼈 X선을 포함한 다양한 X선 영상 유형에서 강건성을 입증하였으며, 여섯 개의 공개 데이터셋을 통해 검증되었다.
• 정성적 비교에서 제안된 방법의 출력 결과는 CLAHE보다 더 명확한 윤곽선과 향상된 조직 구분 능력을 보였다.
• 이 방법은 고해상도 영상에서도 효과적으로 이미지 품질을 향상시켜 다양한 해상도를 가진 임상 환경에서의 활용을 지원한다.
• 저자들은 향상된 영상이 질병 탐지의 정확성과 효율성을 높이며 임상 워크플로우에서 더 빠른 진단을 지원한다고 관찰했다.