[논문 리뷰] Cytology Image Analysis Techniques Towards Automation: Systematically Revisited

Shyamali Mitra, Nibaran Das외 4명|arXiv (Cornell University)|2020. 03. 17.

AI in cancer detection참고 문헌 172인용 수 5

한 줄 요약

이 논문은 자궁경부, 유방, 폐 세포학을 대상으로 30년에 걸친 세포학 영상 분석 기법을 체계적으로 검토하며, 암 진료의 자동화를 촉진하기 위해 세포 분할 및 분류 방법에 중점을 둡니다. 최신 기법들을 통합하고 핵심 과제를 규명하며, 지능형 세포학 시스템의 임상적 구현을 위한 향후 연구 방향을 제시합니다.

ABSTRACT

Cytology is the branch of pathology which deals with the microscopic examination of cells for diagnosis of carcinoma or inflammatory conditions. Automation in cytology started in the early 1950s with the aim to reduce manual efforts in diagnosis of cancer. The inflush of intelligent technological units with high computational power and improved specimen collection techniques helped to achieve its technological heights. In the present survey, we focus on such image processing techniques which put steps forward towards the automation of cytology. We take a short tour to 17 types of cytology and explore various segmentation and/or classification techniques which evolved during last three decades boosting the concept of automation in cytology. It is observed, that most of the works are aligned towards three types of cytology: Cervical, Breast and Lung, which are discussed elaborately in this paper. The user-end systems developed during that period are summarized to comprehend the overall growth in the respective domains. To be precise, we discuss the diversity of the state-of-the-art methodologies, their challenges to provide prolific and competent future research directions inbringing the cytology-based commercial systems into the mainstream.

연구 동기 및 목표

• 다양한 세포학 유형과 그들의 영상 분석 기법을 포괄하는 종합적 서베이의 부족을 보완하기 위해.
• 지난 30년간 개발된 세포 분할 및 분류 알고리즘을 식별하고 분석하기 위해.
• 세포학 분야에서 가장 연구가 활발히 이루어진 자궁경부, 유방, 폐 세포학 분야에서의 기술적 진화와 시스템 개발을 강조하기 위해.
• 고성능이며 임상적으로 실현 가능한 자동 세포학 시스템을 구현하는 데 걸림돌이 되는 과제와 병목 현상을 비판적으로 평가하기 위해.
• 최신 영상 분석 기술을 주류 상용 세포학 진단 플랫폼에 통합하기 위한 향후 연구 방향을 제안하기 위해.

제안 방법

• 해부학적 기원에 기반한 17종의 세포학을 대상으로 체계적 문헌 검토를 수행하였으며, 자궁경부, 유방, 폐 세포학에 대해 깊이 있는 분석을 수행함.
• 세포학 영상 처리에 사용된 분할 및 분류 기법을 분류하고 비교 분석함.
• 기본 및 액체 기반 제조 방법(예: ThinPrep, SurePath)을 평가하여 영상 품질에 미치는 영향을 분석함.
• 고정 및 염색 프로토콜(예: Papanicolaou, MGG, Gram 염색)을 검토하고 형태학적 특징 추출에 미치는 영향을 분석함.
• 1990년에서 2023년 사이에 개발된 최신 자동화 시스템을 통합하여 세포학 자동화 분야의 기술적 진보를 평가함.
• 핵의 비정상성, 사이토플라즈마의 이질성, 염색의 변동성 등의 반복적인 과제를 규명하고 기술적 해결책을 제안함.

실험 결과

연구 질문

• RQ1 다양한 세포학 유형에서 자동 세포학 영상 분석에 사용되는 주요 분할 및 분류 기법은 무엇인가요?
• RQ2 표본 제조 및 염색 방법은 어떻게 진화해왔으며, 영상 품질과 진단 정확성에 어떤 영향을 미치나요?
• RQ3 자동 세포학 시스템의 광범위한 도입을 저해하는 주요 기술적 및 임상적 과제는 무엇인가요?
• RQ4 자궁경부, 유방, 폐 세포학 분야에서 자동 시스템의 성능 및 설계는 어떻게 다릅니까?
• RQ5 자동 세포학 영상 분석 시스템의 임상적 구현을 촉진하기 위해 가장 유망한 향후 연구 방향은 무엇인가요?

주요 결과

• 자궁경부, 유방, 폐 세포학은 자동 영상 분석 분야에서 가장 광범위하게 연구된 분야이며, 분할 및 분류 분야에서 상당한 방법론적 진전이 이루어졌습니다.
• 액체 기반 제조 방법(예: ThinPrep, SurePath)은 아티팩트, 배경 오염, 세포 겹침을 감소시켜 영상 품질을 크게 향상시킵니다.
• Papanicolaou 및 MGG 염색 프로토콜은 핵과 사이토플라즈마의 대비를 향상시켜 더 나은 형태학적 특징 추출을 가능하게 합니다.
• 진전에도 불구하고, 핵의 형태와 크기의 변동성, 사이토플라즈마의 이질성, 염색의 일관성 부족 등은 여전히 자동화의 주요 병목 현상입니다.
• 최신 기술 기반 시스템은 반자동 도구에서 통합 플랫폼으로 진화했지만, 성능과 신뢰성에 대한 우려로 인해 임상적 도입은 여전히 제한적입니다.
• 향후 연구는 실제 임상 환경에서 다양한 염색 및 제조 방법의 변동성을 처리할 수 있는 강력하고 일반화 가능한 알고리즘 개발에 초점을 맞춰야 합니다.