[논문 리뷰] Fetal Head and Abdomen Measurement Using Convolutional Neural Network, Hough Transform, and Difference of Gaussian Revolved along Elliptical Path (Dogell) Algorithm

Kezia Irene, Aditya Yudha P.외 3명|arXiv (Cornell University)|2019. 11. 14.

Neonatal and fetal brain pathology인용 수 7

한 줄 요약

이 논문은 소음 감소를 위한 합성곱 신경망(CNN)을 전처리로 사용한 후, 허프 변환과 새로운 Dogell 알고리즘(Difference of Gaussian Revolved along Elliptical Path)을 사용하여 초음파 영상에서 태아의 두부둘레(HC)와 Abdominal Circumference(AC)를 자동 측정하는 방법을 제안한다. Dogell 알고리즘은 정확도와 속도 면에서 허프 변환을 능가했으며, 이는 이 하이브리드 접근법을 통해 HC와 AC 측정에 CNN 전처리를 적용한 최초의 사례이다.

ABSTRACT

The number of fetal-neonatal death in Indonesia is still high compared to developed countries. This is caused by the absence of maternal monitoring during pregnancy. This paper presents an automated measurement for fetal head circumference (HC) and abdominal circumference (AC) from the ultrasonography (USG) image. This automated measurement is beneficial to detect early fetal abnormalities during the pregnancy period. We used the convolutional neural network (CNN) method, to preprocess the USG data. After that, we approximate the head and abdominal circumference using the Hough transform algorithm and the difference of Gaussian Revolved along Elliptical Path (Dogell) Algorithm. We used the data set from national hospitals in Indonesia and for the accuracy measurement, we compared our results to the annotated images measured by professional obstetricians. The result shows that by using CNN, we reduced errors caused by a noisy image. We found that the Dogell algorithm performs better than the Hough transform algorithm in both time and accuracy. This is the first HC and AC approximation that used the CNN method to preprocess the data.

연구 동기 및 목표

• 태아-신생아 사망률이 높은 인도네시아에서 조기 태아 기형 진단을 통해 이를 해결하고자 한다.
• 수동 주석 처리를 대체함으로써 태아의 두부둘레와 복부둘레 측정 시 인간의 오차와 변동성을 줄이기 위해 자동 이미지 처리를 도입하고자 한다.
• 합성곱 신경망(CNN)을 전처리 단계로 사용하여 초음파 스캔의 이미지 품질을 향상시키고 소음을 감소시키고자 한다.
• 허프 변환과 새로운 Dogell 알고리즘 간의 타원 피팅 성능을 평가하고 비교하고자 한다.
• 임상적으로 적용 가능한 자동 시스템을 개발하여 임신 기간 동안 모성 모니터링을 지원하고자 한다.

제안 방법

• 합성곱 신경망(CNN)을 적용하여 원시 초음파 영상을 전처리함으로써 소음을 감소시키고 태아 구조와 관련된 특징을 강화한다.
• 허프 변환 알고리즘을 사용하여 전처리된 영상에서 태아의 두부 및 복부 윤곽을 나타내는 타원형 모양을 검출한다.
• 제안된 Dogell 알고리즘은 타원형 경로를 따라 가우시안 필터의 차분을 적용하여 타원을 검출함으로써 곡선 경계에 대한 민감도를 향상시킨다.
• Dogell 방법은 매개변수화된 타원형 경로를 따라 강도 변화를 모델링하여 노이즈가 많거나 대trast가 낮은 초음파 영상에서도 검출 정확도를 향상시킨다.
• 시스템은 각 영상에서 검출된 타원의 주축과 보조축을 추출하여 이를 기반으로 HC와 AC를 계산한다.
• 자동 측정 결과는 전문 산부인과의사가 작성한 기준값과 비교하여 성능을 검증한다.

실험 결과

연구 질문

• RQ1 CNN은 태아 초음파 영상에서 소음을 효과적으로 감소시키고 관련 해부학적 특징을 강화하여 후속 측정 정확도를 향상시킬 수 있는가?
• RQ2 Dogell 알고리즘은 초음파 영상에서 태아의 두부 및 복부 윤곽을 검출할 때 허프 변환에 비해 성능이 어떻게 다른가?
• RQ3 CNN 전처리와 Dogell 알고리즘의 조합은 기존 방법에 비해 더 정확하고 빠른 측정을 가능하게 하는가?
• RQ4 자동으로 측정한 HC와 AC 측정치가 전문 산부인과의사의 주석 수준에 얼마나 가까운가?
• RQ5 이러한 방법은 전문 방사선과의사의 접근이 제한된 임상 환경에 배치하기에 적합한가?

주요 결과

• CNN 전처리 단계는 영상 소음을 크게 감소시켜 후속 측정 알고리즘의 특징 추출 신뢰도를 높였다.
• 시험 데이터셋에서 Dogell 알고리즘이 허프 변환보다 태아의 두부 및 복부 윤곽 검출 정확도가 높았다.
• Dogell 알고리즘은 허프 변환보다 빠른 속도를 보이며 실시간 응용에 있어 더 높은 계산 효율성을 입증했다.
• 전반적인 시스템은 전문의가 주석 처리한 결과와 강한 일치를 보이며 자동 태아 크기 평가의 임상적 타당성을 입증했다.
• 이 연구는 Dogell 알고리즘을 사용하여 CNN 기반 전처리를 특별히 태아의 HC와 AC 자동 측정에 적용한 최초의 사례이다.
• 결과는 제안된 방법이 자원이 제한된 환경에서 모성 모니터링과 태아 기형의 조기 진단을 지원하는 데 기여할 수 있음을 시사한다.