[논문 리뷰] Segmentation and ABCD rule extraction for skin tumors classification

Mahammed Messadi, Hocine Cherifi외 1명|arXiv (Cornell University)|2021. 06. 08.

Cutaneous Melanoma Detection and ManagementMedicine참고 문헌 36인용 수 22

한 줄 요약

이 논문은 피부 종양의 악성 멜라노마 조기 검출을 위한 자동화된 피부 종양 분류 시스템을 제안한다. 임상적 ABCD 규칙(비대칭성, 경계, 색소, 다양성)을 활용하며, 형태학적 전처리, 반복 임계값 기반 반복 초기화를 통한 비지도 수준 집합 분할, 신경망 분류기를 조합하여 320장의 도르모스코픽 영상 데이터셋에서 높은 진단 정확도와 낮은 가짜 양성률을 달성한다.

ABSTRACT

During the last years, computer vision-based diagnosis systems have been widely used in several hospitals and dermatology clinics, aiming at the early detection of malignant melanoma tumor, which is among the most frequent types of skin cancer. In this work, we present an automated diagnosis system based on the ABCD rule used in clinical diagnosis in order to discriminate benign from malignant skin lesions. First, to reduce the influence of small structures, a preprocessing step based on morphological and fast marching schemes is used. In the second step, an unsupervised approach for lesion segmentation is proposed. Iterative thresholding is applied to initialize level set automatically. As the detection of an automated border is an important step for the correctness of subsequent phases in the computerized melanoma recognition systems, we compare its accuracy with growcut and mean shift algorithms, and discuss how these results may influence in the following steps: the feature extraction and the final lesion classification. Relying on visual diagnosis four features: Asymmetry (A), Border (B), Color (C) and Diversity (D) are computed and used to construct a classification module based on artificial neural network for the recognition of malignant melanoma. This framework has been tested on a dermoscopic database [16] of 320 images. The classification results show an increasing true detection rate and a decreasing false positive rate.

연구 동기 및 목표

• 컴퓨터 비전을 활용해 악성 멜라노마의 조기 검출을 위한 자동화된 시스템을 개발한다.
• 형태학적 및 패스트 마칭 전처리를 통해 병변 분할에 영향을 미치는 소규모 해부학적 구조의 영향을 줄인다.
• 병변 경계 탐지에 대해 수준 집합, 그로우컷, 평균 이동 알고리즘의 성능을 비교하여 분할 정확도를 향상시킨다.
• 신경망 기반 분류 모델에 사용하기 위해 임상적 ABCD 특징(비대칭성, 경계, 색소, 다양성)을 추출한다.
• 표준화된 도르모스코픽 영상 데이터베이스를 활용해 악성 피부 종양 분류에 대한 시스템 성능을 평가한다.

제안 방법

• 형태학적 연산과 패스트 마칭 기법을 적용하여 도르모스코픽 영상 전처리를 수행하고 노이즈 및 소규모 구조를 억제한다.
• 반복 임계값 기반 초기화를 통해 비지도 병변 분할을 위한 수준 집합 방법을 자동으로 초기화한다.
• 수준 집합, 그로우컷, 평균 이동 알고리즘의 분할 성능를 비교하여 가장 정확한 방법을 선정한다.
• 분할된 병변에서 4가지 시각적 진단 특징인 비대칭성(A), 경계(B), 색소(C), 다양성(D)을 추출한다.
• 추출된 ABCD 특징을 사용해 인공 신경망 분류기를 훈련시켜 양성 및 악성 피부 종양을 구분한다.
• 320장의 영상으로 구성된 공개 도르모스코픽 데이터셋을 활용해 시스템의 분류 성능을 검증한다.

실험 결과

연구 질문

• RQ1 형태학적 및 패스트 마칭 방법을 통한 전처리가 병변 분할 정확도에 어떤 영향을 미치는가?
• RQ2 수준 집합, 그로우컷, 평균 이동 중 어느 분할 기법이 멜라노마 분류에 가장 정확한 병변 경계 탐지 성능을 보이는가?
• RQ3 ABCD 규칙 기반 특징이 신경망의 피부 종양 분류 성능에 얼마나 기여하는가?
• RQ4 임상적 ABCD 규칙 기반 자동화 시스템이 멜라노마 진단에서 높은 진단 정확도와 낮은 가짜 양성률을 달성할 수 있는가?
• RQ5 자동 분할 및 특징 추출의 통합이 실제 도르모스코픽 영상에서의 종합 분류 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 전처리 단계는 소규모 구조의 영향을 효과적으로 감소시켜 분할의 안정성을 향상시켰다.
• 반복 임계값 기반 초기화를 통한 수준 집합 방법이 그로우컷 및 평균 이동보다 뛰어난 분할 정확도를 달성했다.
• ABCD 기반 특징 추출 파이프라인은 피부 병변의 임상적으로 유의미한 특성을 성공적으로 캡처했다.
• 신경망 분류기는 320장의 영상 데이터셋에서 점차 증가하는 진단 정확도와 감소하는 가짜 양성률을 보였다.
• 시스템의 성능는 실제 도르모스코픽 영상 데이터베이스에서 검증되어 임상적 적용 가능성을 확인했다.
• 자동 분할과 ABCD 규칙 기반 특징 추출의 통합은 임상적으로 해석 가능하고 정확한 멜라노마 분류 시스템을 가능하게 했다.