[논문 리뷰] Detection and Demarcation of Tumor using Vector Quantization in MRI images

H. B. Kekre, Tanuja Sarode외 1명|arXiv (Cornell University)|2010. 01. 23.

Medical Image Segmentation Techniques참고 문헌 44인용 수 24

한 줄 요약

이 논문은 린데-부조-그레이(Linde-Buzo-Gray, LBG) 알고리즘에 기반한 벡터量子화(Vector Quantization, VQ)를 사용하여 MRI 영상에서 종양 탐지 및 경계 설정을 위한 새로운 방법을 제안한다. 128개의 코드북을 생성하고, 이를 8개의 세그먼트로 군집화하여 조직 유형을 구분함으로써 과다 또는 과소 분할 없이 정확한 종양 경계 설정을 달성하였으며, 분할 품질에서 워터셰드 및 엔트로피 기반 방법보다 뛰어난 성능을 보였다.

ABSTRACT

Segmenting a MRI images into homogeneous texture regions representing disparate tissue types is often a useful preprocessing step in the computer-assisted detection of breast cancer. That is why we proposed new algorithm to detect cancer in mammogram breast cancer images. In this paper we proposed segmentation using vector quantization technique. Here we used Linde Buzo-Gray algorithm (LBG) for segmentation of MRI images. Initially a codebook of size 128 was generated for MRI images. These code vectors were further clustered in 8 clusters using same LBG algorithm. These 8 images were displayed as a result. This approach does not leads to over segmentation or under segmentation. For the comparison purpose we displayed results of watershed segmentation and Entropy using Gray Level Co-occurrence Matrix along with this method.

연구 동기 및 목표

• 유방암 진단을 위한 MRI 영상에서 종양 탐지 및 분할을 향상시키기 위해.
• 기존의 분할 기법에서 흔히 발생하는 과다 및 과소 분할 문제를 해결하기 위해.
• 이질적인 조직 영역을 위한 강력한 텍스처 기반 분할 방법을 개발하기 위해.
• 제안된 VQ 방법을 워터셰드 및 엔트로피 기반 분할과 같은 기존 기법들과 비교하기 위해.
• 방사선 영상 진료에서 임상적 의사결정 지원을 위한 정밀한 종양 경계 설정을 가능하게 하기 위해.

제안 방법

• MRI 영상 강도 데이터로부터 LBG 알고리즘을 사용해 128개의 벡터 코드북을 생성한다.
• 동일한 LBG 알고리즘을 사용하여 코드북 벡터들을 8개의 서로 다른 군집으로 분할하여 다양한 조직 유형을 표현한다.
• 각 픽셀을 가장 가까운 코드벡터에 할당하여 8개의 분할 영역을 형성함으로써 분할을 달성한다.
• 벡터 양자화를 활용하여 유사한 텍스처 및 강도 패턴을 그룹화함으로써 조직의 균일성을 향상시킨다.
• 그레이 레벨 공존 행렬(Grey Level Co-occurrence Matrix, GLCM)을 사용한 워터셰드 분할 및 엔트로피 기반 분할과 결과를 시각적으로 비교한다.
• 고정된 코드북 크기와 반복적 군집화를 통해 과다 또는 과소 분할을 방지한다.

실험 결과

연구 질문

• RQ1 LBG 알고리즘을 사용한 벡터 양자화는 MRI 영상의 균일한 조직 영역으로 효과적으로 분할할 수 있는가?
• RQ2 VQ 기반 분할은 종양 경계 설정에서 워터셰드 및 GLCM 기반 엔트로피 분할과 비교해 어떻게 성능을 발휘하는가?
• RQ3 제안된 방법은 MRI 종양 탐지에서 과다 및 과소 분할 문제를 줄일 수 있는가?
• RQ4 고정 크기의 코드북(128개의 벡터)은 뇌 또는 유방 MRI에서 다양한 조직 유형을 신뢰성 있게 표현할 수 있는가?
• RQ5 VQ 기반 접근법은 컴퓨터 지원 진단 시스템의 임상 전처리에 적합한가?

주요 결과

• 제안된 VQ 기반 방법은 과다 또는 과소 분할 없이 MRI 영상을 8개의 명확한 조직 영역으로 성공적으로 분할하였다.
• 128개의 코드북을 사용한 LBG 알고리즘이 테스트된 MRI 영상 전반에 걸쳐 안정적이고 일관된 군집화를 제공하였다.
• 시각적 결과에서 워터셰드 및 엔트로피 기반 방법 대비 더 명확한 종양 경계 설정이 이루어졌음을 확인하였다.
• 벡터 양자화를 통해 유사한 강도 및 텍스처 패턴을 그룹화함으로써 신뢰할 수 있는 조직 유형 구분이 가능했다.
• 비교 결과, VQ는 분할 명확성과 정확성 측면에서 워터셰드 및 엔트로피 기반 분할을 모두 뛰어넘는 것으로 확인되었다.
• 이 방법은 계산적으로 효율적이며 컴퓨터 지원 진단 시스템의 전처리에 적합하다.