[논문 리뷰] Segmentation of skin lesions based on fuzzy classification of pixels and histogram thresholding

Jose Luis Garcia-Arroyo, Begonya García-Zapirain|arXiv (Cornell University)|2017. 03. 11.

Cutaneous Melanoma Detection and Management참고 문헌 1인용 수 4

한 줄 요약

이 논문은 색상 및 무늬 특징 기반으로 픽셀을 퍼지 분류한 후 히스토그램 임계처리와 형태학적 후처리를 수행하는 새로운 피부 병변 세분화 방법을 제안한다. 이 방법은 ISBI 도전 대회에서 높은 정확도(AUC 0.992)와 강력한 성능을 보이며, 2017년 검증 세트에서 DICE 점수 0.750과 민감도 0.894를 기록하여 영상 아티팩트와 변동성에 대해 뛰어난 내성함을 입증한다.

ABSTRACT

This paper proposes an innovative method for segmentation of skin lesions in dermoscopy images developed by the authors, based on fuzzy classification of pixels and histogram thresholding.

연구 동기 및 목표

• 다양한 아티팩트와 영상 변동성이 있는 피부 내시경 영상에서 자동 피부 병변 세분화의 과제를 해결하기 위해.
• 데이터 기반의 퍼지 분류 접근을 통해 병변 세분화의 주관성과 관찰자 간 변동성을 감소시키기 위해.
• 저대비 또는 복잡한 영상에서 특이도보다 민감도를 우선시함으로써 세분화의 내성함을 향상시키기 위해.
• 실제 임상 현장에 적용 가능한 효율적이고 저계산 비용의 방법을 개발하기 위해.
• 일致된 평가 지표를 사용하여 표준화된 ISBI 기준 데이터셋에서 최신 기술 수준의 성능을 달성하기 위해.

제안 방법

• 랜덤 포레스트 분류기의 퍼지 출력를 사용하여 색상 및 무늬 특징 기반으로 픽셀을 병변, 피부, 기타의 세 가지 카테고리로 퍼지 분류하기.
• 퍼지 집합에 대한 알파 컷을 적용하여 확률적 임계처리 및 향상된 세분화 결정 내리기.
• 입력 표준화를 위해 영상 크기 조정 및 크기 동일화를 수행하여 다양한 해상도에서 일관된 처리를 보장하기.
• 노이즈 감소 및 히스토그램 임계처리 성능 향상을 위해 병변-피부 마스크를 블러링하기.
• 전처리된 영상의 파란 채널에 대해 옷수 방법을 사용한 히스토그램 임계처리를 통해 초도 병변 마스크 생성하기.
• 팽창, 침식 및 구멍 메꾸기 등의 형태학적 연산을 통해 후처리를 수행하여 아티팩트(예: 털, 어두운 가장자리)를 제거하고 마스크를 정밀하게 다듬기.

실험 결과

연구 질문

• RQ1 다양한 피부 내시경 영상 아티팩트가 존재하는 상황에서 픽셀 특징의 퍼지 분류가 세분화의 내성함을 향상시킬 수 있는가?
• RQ2 고도로 변동성이 큰 피부 병변의 외관을 다룰 때 소프트 분류 접근 방식이 하드 분류 방식보다 어떻게 비교되는가?
• RQ3 전처리된 마스크에 대한 히스토그램 임계처리가 다양한 영상 조건에서 정확한 병변 세분화를 얼마나 잘 달성할 수 있는가?
• RQ4 세분화에서 민감도를 우선시하는 것이 도전적인 실생활 피부 내시경 영상에서 일반화 성능을 향상시키는 데 기여하는가?
• RQ5 저계산 비용의 방법이 표준화된 ISBI 기준 데이터셋에서 경쟁적인 성능을 달성할 수 있는가?

주요 결과

• 10겹 교차검증을 통해 퍼지 분류기는 94.69%의 정확도와 AUC 0.992를 기록하여 높은 신뢰성과 저비용 계산을 입증하였다.
• 2016년 ISBI 도전 대회에서 이 방법은 DICE 계수 0.869, 재현율 지수 0.791, 민감도 0.870을 기록하였다.
• 2017년 ISBI 도전 대회 검증 단계에서 개선된 버전은 DICE 계수 0.750, 재현율 지수 0.651, 민감도 0.894를 기록하였다.
• 민감도에 초점을 맞춘 덕분에 저대비, 그림자, 아티팩트, 피부 색상 변동성 등 다양한 영상 변동성에 대해 뛰어난 내성함을 보였다.
• 후처리 과정을 통해 털과 어두운 가장자리 등의 아티팩트를 효과적으로 제거하였고, 병변의 형태 유지와 볼록성 확보에 기여하였다.
• 특히 민감도 측면에서 많은 기존 방법들을 능가하며 ISBI 기준 데이터셋에서 뛰어난 성능을 보였으며, 임상적 관련성이 높다는 점을 확인하였다.