[논문 리뷰] ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New Model

Yuhui Ma, Huaying Hao외 6명|arXiv (Cornell University)|2020. 07. 10.

Retinal Imaging and Analysis참고 문헌 58인용 수 14

한 줄 요약

이 논문은 중심선 또는 픽셀 수준에서 수작업으로 애너테이션된 229장의 OCTA 영상이 포함된 ROSE라는 공개적으로 이용 가능한 첫 번째 망막 OCT-angiography 혈관 세분화 데이터셋을 소개하며, 두꺼운 혈관과 얇은 혈관 모두의 세분화를 향상시키는 데 목적이 있는 스플릿 기반의 코arse-to-fine 딥러닝 프레임워크인 OCTA-Net을 제안한다. 이 방법은 ROSE에서 최신 기술 수준의 성능을 달성하였으며, 소규모 모세혈관 탐지에서 뚜렷한 향상과 알츠하이머병 환자와 건강한 대조군 간에 통계적으로 유의미한 프랙탈 차원의 차이를 보였다.

ABSTRACT

Optical Coherence Tomography Angiography (OCT-A) is a non-invasive imaging technique, and has been increasingly used to image the retinal vasculature at capillary level resolution. However, automated segmentation of retinal vessels in OCT-A has been under-studied due to various challenges such as low capillary visibility and high vessel complexity, despite its significance in understanding many eye-related diseases. In addition, there is no publicly available OCT-A dataset with manually graded vessels for training and validation. To address these issues, for the first time in the field of retinal image analysis we construct a dedicated Retinal OCT-A SEgmentation dataset (ROSE), which consists of 229 OCT-A images with vessel annotations at either centerline-level or pixel level. This dataset has been released for public access to assist researchers in the community in undertaking research in related topics. Secondly, we propose a novel Split-based Coarse-to-Fine vessel segmentation network (SCF-Net), with the ability to detect thick and thin vessels separately. In the SCF-Net, a split-based coarse segmentation (SCS) module is first introduced to produce a preliminary confidence map of vessels, and a split-based refinement (SRN) module is then used to optimize the shape/contour of the retinal microvasculature. Thirdly, we perform a thorough evaluation of the state-of-the-art vessel segmentation models and our SCF-Net on the proposed ROSE dataset. The experimental results demonstrate that our SCF-Net yields better vessel segmentation performance in OCT-A than both traditional methods and other deep learning methods.

연구 동기 및 목표

• 전문가 애너테이션이 있는 공개적으로 이용 가능한 고품질의 OCT-A 혈관 세분화 데이터셋이 부족한 문제를 해결하기 위해.
• 노이즈가 많고 시야가 떨어지는 OCTA 영상에서 두꺼운 혈관과 얇은 혈관을 정확하게 세분화할 수 있는 딥러닝 모델을 개발하기 위해.
• 알츠하이머병과 같은 신경퇴행성 질환의 비침습적 생체지표로서 망막 미소혈관 분석의 잠재력을 탐구하기 위해.
• 표준화되고 커뮤니티가 접근 가능한 데이터셋과 평가 프로토콜을 사용하여 OCTA에서의 혈관 세분화에 대한 벤치마크를 수립하기 위해.

제안 방법

• ROSE 데이터셋은 두 대의 다른 장치에서 확보한 229장의 OCTA 영상으로 구성되었으며, 전문가 평가자들이 중심선 또는 픽셀 수준에서 수작업으로 애너테이션하였다.
• 스플릿 기반의 코arse 세분화(Split-based Coarse Segmentation, SCS) 모듈은 ResNeSt 기반 백본을 사용하여 혈관 구조의 初기 신뢰도 맵을 생성하도록 설계되었다.
• 스플릿 기반의 정밀 세분화(Split-based Refined Segmentation, SRS) 모듈은 원본 이미지와 코어스 세분화 출력을 융합하여 혈관 윤곽의 정확도를 향상시키기 위해 도입되었다.
• 이중 단계의 OCTA-Net 프레임워크는 코어스 및 파인 단계를 통합하여 얇은 산모세관의 탐지 성능을 향상시키면서도 구조적 충실도를 유지한다.
• 프랙탈 차원(FD) 분석은 상자 세기 방법을 사용하여 세분화된 미소혈관에 대해 수행되어 혈관 복잡성을 정량화하였다.
• SVC, DVC, 그리고 SVC+DVC 층에서 FD 값에 대한 스탠던스 t-검정을 통해 건강한 대조군과 알츠하이머병 환자 간의 통계적 비교를 실시하였다.

실험 결과

연구 질문

• RQ1 공개적으로 이용 가능한 새로운 OCT-A 혈관 세분화 데이터셋이 망막 영상에서 세분화 알고리즘의 벤치마킹 및 재현 가능성을 뚜렷이 향상시킬 수 있는가?
• RQ2 스플릿 기반의 코어스-투-파인 딥러닝 프레임워크가 기존 최신 기술 수준의 방법들보다 OCTA 영상에서 망막 미소혈관을 더 잘 세분화할 수 있는가?
• RQ3 알츠하이머병 환자와 건강한 대조군 간에 망막 미소혈관의 프랙탈 차원에 통계적으로 유의미한 차이가 존재하는가?
• RQ4 자동화된 망막 미소혈관 세분화가 신경퇴행성 질환의 조기 진단을 위한 신뢰할 수 있는 생체지표가 될 수 있는가?

주요 결과

• 제안된 OCTA-Net은 전통적 및 딥러닝 기반 최신 기술 수준의 방법들에 비해 ROSE 데이터셋에서 뛰어난 세분화 성능을 달성하였으며, 특히 소규모 모세혈관 탐지에서 뚜렷한 우수성을 보였다.
• 모델은 정량적 지표에서 뚜렷한 향상을 보였으며, 쌍체 t-검정을 통한 분석에서 특히 얇은 혈관에 대한 성능 향상이 통계적으로 유의미하다고 확인되었다.
• 프랙탈 차원 분석 결과, 알츠하이머병 환자에서 모든 세 가지 혈관 층에서 건강한 대조군보다 유의미하게 낮은 FD 값이 관찰되었다: SVC(p = 0.004), DVC(p = 0.028), SVC+DVC(p = 0.007).
• 모든 혈관 층에서 FD의 통계적 유의미성은 망막 미소혈관 분석이 신경퇴행성 질환 연구에 있어 비침습적 도구로 활용될 잠재력을 뒷받침한다.
• 고품질의 애너테이션과 다양한 영상 소스를 갖춘 ROSE 데이터셋은 향후 맹막 혈관 세분화 및 질병 생체지표 발견 연구에 대한 견고한 기반을 제공한다.