[논문 리뷰] Gradient Based Seeded Region Grow method for CT Angiographic Image Segmentation

G. N. Harikrishna, T. R. Gopalakrishnan Nair|arXiv (Cornell University)|2010. 01. 21.

Medical Image Segmentation Techniques참고 문헌 9인용 수 23

한 줄 요약

이 논문은 CT 혈관 조영술(CTA) 영상에서 시드 기반 영역 확장(seeded region growing)의 균일성 기준을 기반으로 하여 잡음이나 흐린 영상에서의 부정확한 영역 확장을 줄이고 분할 정확도를 햖을 수 있도록 기울기 기반의 균일성 기준을 제안한다. 국소 기울기 크기를 영역 확장 결정 과정에 통합함으로써 기존의 강도 기반 방법에 비해 더 정밀한 혈관 및 해부학적 구조 분할을 달성한다. 특히 노이즈가 많거나 경계가 흐린 의료 영상에서 유의미한 성능 향상을 보인다.

ABSTRACT

Segmentation of medical images using seeded region growing technique is increasingly becoming a popular method because of its ability to involve high-level knowledge of anatomical structures in seed selection process. Region based segmentation of medical images are widely used in varied clinical applications like visualization, bone detection, tumor detection and unsupervised image retrieval in clinical databases. As medical images are mostly fuzzy in nature, segmenting regions based intensity is the most challenging task. In this paper, we discuss about popular seeded region grow methodology used for segmenting anatomical structures in CT Angiography images. We have proposed a gradient based homogeneity criteria to control the region grow process while segmenting CTA images.

연구 동기 및 목표

• 기존의 임계값 설정 및 강도 기반 영역 확장 방법이 실패하는 CT 혈관 조영술(CTA) 영상과 같이 강도가 모호하고 흐린 의료 영상의 분할 과제를 해결한다.
• 간단한 강도 균일성 대신 기울기 기반의 균일성 기준을 도입하여 시드 기반 영역 확장의 강건성을 향상시킨다.
• 목표 해부학적 구조가 아닌 고대비 구조(예: 신경, 뼈)로의 잘못된 영역 확장을 줄인다.
• 최소한의 사용자 입력으로 대동맥과 같은 혈관 구조를 더 정확하고 신뢰성 있게 분할할 수 있도록 한다.

제안 방법

• 정규화된 기울기 크기 지표인 $ G_n = \frac{\sqrt{G_x^2 + G_y^2}}{k \cdot G_{\text{max}}} $ 를 도입한다. 여기서 $ G_x $, $ G_y $ 는 기울기 성분이며, $ G_{\text{max}} $ 는 영상 전체의 최대 기울기, $ k $ 는 조정 가능한 파라미터이다.
• 기울기 크기를 일관된 임계값 설정을 위해 정규화하기 위한 두 번째 균일성 지표인 $ G_m = \frac{G_{\text{max}} - G(x,y)}{G_{\text{max}} - G_{\text{min}}} $ 를 정의한다.
• 2D 및 3D 영역에서 수동으로 선택된 시드 포인트에서 영역을 효율적으로 확장하고 탐색하기 위해 스택 기반 데이터 구조를 사용한다.
• 영역 확장 과정에서 4-인접(2D) 및 6-인접(3D) 연결성을 적용하며, 각 단계에서 기울기 기반 균일성 검사를 수행한다.
• 기울기 균일성 기준을 영역 확장 결정 과정에 통합한다: 픽셀이 $ G_n $ 또는 $ G_m $ 기준에 따라 임계값을 충족할 경우에만 영역에 추가된다.
• 이웃 슬라이스 픽셀(z-방향 인접성)을 이웃 영역 탐색에 포함시켜 3D CTA 데이터셋에 대한 확장을 수행한다.

실험 결과

연구 질문

• RQ1 기울기 기반 균일성 기준은 강도 기반 방법에 비해 CT 혈관 조영술 영상에서 시드 기반 영역 확장의 정확도를 향상시키는가?
• RQ2 국소 기울기 정보를 포함시킴으로써 고대비 인접 구조(예: 신경, 뼈)로의 잘못된 영역 확장을 어떻게 줄일 수 있는가?
• RQ3 제안된 방법이 상행 및 하행 대동맥과 같은 혈관 구조의 무결성을 어느 정도 유지하는가?
• RQ4 최소한의 사용자 입력으로 3D CTA 볼륨에 효과적으로 확장할 수 있는가?

주요 결과

• 제안된 기울기 기반 균일성 기준은 기존의 강도 기반 영역 확장 방법에서 잘못 포함되었던 상행 대동맥 인근의 횡격신경의 분할을 성공적으로 방지하였다.
• k = 0.25 일 때, 기울기 기반 방법은 고대비 주변 조직으로의 잘못된 양성 결과를 제거하고 상행 대동맥의 깔끔한 분할을 달성하였다.
• 다수의 수동 시드 포인트를 통해 하행 대동맥과 부분적인 갈비뼈 뼈의 정확한 분할이 가능했으며, 이는 복잡한 해부학적 구조 분할 능력을 입증한다.
• 스택 기반 구현은 2D 및 3D 영역 확장에서 일관된 성능을 보이며 효율적으로 처리하였다.
• 노이즈 유발 및 경계가 모호한 영역 확장을 줄임으로써 분할 품질이 크게 향상되었다.
• 결과적으로 기울기 기반 기준이 CTA와 같이 대trast가 변동하고 흐린 의료 영상에서 강도 기반 기준보다 더 강건함을 입증하였다.