[논문 리뷰] Metacarpal Bones Localization in X-ray Imagery Using Particle Filter Segmentation

Z Bárdosi, Donatella Granata외 3명|arXiv (Cornell University)|2014. 12. 28.

Medical Imaging and Analysis참고 문헌 21인용 수 3

한 줄 요약

이 논문은 메타카르팔 뼈를 X선 영상에서 국소화하기 위해 입자 필터 기반 방법을 제안한다. 전역적 형태 모델과 국소적 외형 특징을 결합하여, 하르 유사 특징과 랜덤 포레스트 분류를 사용해 레이블 확률 맵을 생성하고, 미분 진화 알고리즘을 통해 임계점 위치를 최적화하여 정확한 분할을 달성한다. 이는 수동으로 레이블링된 X선 영상 데이터에서 뛰어난 성능을 보여준다.

ABSTRACT

Statistical methods such as sequential Monte Carlo Methods were proposed for detection, segmentation and tracking of objects in digital images. A similar approach, called Shape Particle Filters was introduced for the segmentation of vertebra, lungs and hearts [1]. In this contribution, a global shape and a local appearance model are derived from specific object annotated X-ray images of the metacarpal bones. In the test data a unique labeling of the bone boundary and the background points and a manual annotation is given. Using a set of local features (Haar-like) in the neighborhood of each pixel a probabilistic pixel classifier is built using the random forest algorithm. To fit the shape model to a new image, a label probability map is extracted and then the optimal shape is obtained by maximizing the probability of each landmark with the Differential Evolution algorithm.

연구 동기 및 목표

• 복잡한 X선 영상에서 정확한 메타카르팔 뼈 국소화 문제를 해결하기 위해.
• 전역적 형태 제약 조건과 국소적 외형 모델링을 통합하여 분할의 강건성을 향상시키기 위해.
• X선 영상 품질의 변동성과 해부학적 다양성에 걸쳐 일반화 가능한 방법을 개발하기 위해.
• 확률적 최적화를 활용해 자동으로 정밀한 뼈 경계 국소화를 가능하게 하기 위해.

제안 방법

• 수동으로 레이블링된 메타카르팔 뼈 X선 영상에서 전역적 형태 모델을 학습한다.
• 각 픽셀 주변에서 추출한 하르 유사 특징을 사용해 국소적 외형을 모델링한다.
• 픽셀 단위의 레이블 맵(뼈 대비 배경)을 생성하기 위해 랜덤 포레스트 분류기를 훈련한다.
• 레이블 확률 맵을 입자 필터 프레임워크의 입력으로 사용한다.
• 미분 진화 알고리즘을 사용해 후행 확률을 최대화함으로써 임계점 위치를 최적화한다.
• 형태 일관성과 국소 강도 증거를 균형 잡는 방식으로 반복적으로 형태 피팅을 개선한다.

실험 결과

연구 질문

• RQ1 형태 및 외형 사전 지식을 활용한 입자 필터 프레임워크가 X선 영상에서 메타카르팔 뼈를 효과적으로 국소화할 수 있는가?
• RQ2 전역적 형태 모델과 국소적 하르 유사 특징의 통합이 분할 정확도를 얼마나 향상시키는가?
• RQ3 미분 진화 알고리즘이 임계점 위치 최적화에 얼마나 기여하는가?
• RQ4 이 방법은 대trast, 노이즈, 해부학적 다양성의 변동에 대해 얼마나 강건한가?

주요 결과

• 제안된 방법은 형태 모델링과 외형 모델링의 조합을 통해 메타카르팔 뼈 경계의 정확한 국소화를 달성한다.
• 랜덤 포레스트 기반 픽셀 분류의 사용이 초기 확률 맵의 신뢰도를 크게 향상시킨다.
• 미분 진화 알고리즘이 효과적으로 임계점 위치를 최적화하여 수렴성과 정확도를 향상시킨다.
• 수동으로 레이블링된 테스트 데이터에서 강건한 성능을 보이며, 미리 보지 않은 X선 영상에 대한 강력한 일반화 능력을 입증한다.