[논문 리뷰] Segmenting Dermoscopic Images

Mario Rosario Guarracino, Lucia Maddalena|arXiv (Cornell University)|2017. 03. 09.

Cutaneous Melanoma Detection and Management참고 문헌 7인용 수 4

한 줄 요약

이 논문은 피부 병변의 완전 자동 분할을 위한 SDI 알고리즘을 제안하며, 3단계 과정을 통해 수행한다: HSV 값 밴드와 바닥-햇 필터링을 이용한 관심 영역(ROI) 선택, 분할에 적합한 정규화된 빨간색과 HSV 값 밴드 간의 적응적 선택, Otsu 임계처리 후 볼록 껍질 계산. 이 방법은 ISIC 2017 데이터셋에서 강력한 병변 분할 성능를 보이며, 최적의 밴드 선택에 의존하고 있으며, 尺도나 잉크 마킹과 같은 복잡한 잡음에 대한 한계를 보인다.

ABSTRACT

We propose an automatic algorithm, named SDI, for the segmentation of skin lesions in dermoscopic images, articulated into three main steps: selection of the image ROI, selection of the segmentation band, and segmentation. We present extensive experimental results achieved by the SDI algorithm on the lesion segmentation dataset made available for the ISIC 2017 challenge on Skin Lesion Analysis Towards Melanoma Detection, highlighting its advantages and disadvantages.

연구 동기 및 목표

• 수동 또는 반자동 기법에 의존하는 것을 줄이기 위해, 피부 병변의 완전 자동이고 객관적인 분할 방법을 개발하기 위해.
• 주관성과 조명 영향을 최소화하여 병변 분할의 정확성과 일관성을 향상시키기 위해.
• ISIC 2017 챌린지 데이터셋에서 방법의 성능을 평가하여 다양한 이미지 조건에서의 강건성을 분석하기 위해.
• 특히 尺도나 잉크 마킹과 같은 잡음에 대해 현재 분할 성능의 한계를 규명하기 위해.
• 향후 자동 피부 병변 분석 시스템의 향상 기반을 제공하기 위해.

제안 방법

• 알고리즘은 먼저 HSV 값 밴드를 이용해 어두운 테두리와 모서리를 제거하기 위해 이미지의 ROI를 선택하고, 빨간색 밴드에 바닥-햇 필터를 적용하여 머리카락을 제거한다.
• 최적의 분할을 위해 두 후보 색상 밴드—RGB 공간 내 정규화된 빨간색(Rnorm)과 HSV 값(V) 밴드—를 평가하며, 병변-피부 대비가 더 좋은 밴드를 선택한다.
• 선택된 밴드에 대해 Otsu 알고리즘을 적용하여 병변 픽셀과 피부 픽셀 간의 내부 분산을 최소화하는 최적의 임계값을 계산한다.
• 병변은 이진 마스크 내에서 가장 큰 연결 성분으로 식별되며, 이는 병변이 이미지 내에서 지배적인 객체라는 가정에 기반한다.
• 최종 분할 결과는 가장 큰 연결 성분의 볼록 껍질을 계산하여 도출되며, 이는 원본 분할 결과보다 진단자에 의해 제공된 진짜 마스크와 더 잘 일치한다.
• 이 방법은 이미지마다 최적의 분할 밴드를 동적으로 선택함으로써, 다양한 조명 조건과 병변 외관에 적응 가능하도록 한다.

실험 결과

연구 질문

• RQ1 완전 자동 분할 방법이 반자동 방법을 능가할 수 있는가? 특히 인간의 간섭을 줄일 수 있는가?
• RQ2 정규화된 빨간색 또는 HSV 값 중 어느 색상 공간 표현 방식이 다양한 피부 병변 영상에서 더 강력한 병변 분할을 제공하는가?
• RQ3 분할 밴드 선택이 불균일한 조명 조건에서 병변 경계 검출 정확도에 어떤 영향을 미치는가?
• RQ4 尺도나 잉크 마킹과 같은 잡음이 SDI 알고리즘의 분할 성능에 어느 정도 영향을 미치는가?
• RQ5 볼록 껍질 후처리가 원본 연결 성분 분할 결과보다 피부과 전문의가 작성한 진짜 마스크와 더 잘 일치하는가?

주요 결과

• SDI 알고리즘은 최적의 분할 밴드(Rnorm 또는 V)를 이미지별로 선택할 경우 ISIC 2017 데이터셋에서 정확한 병변 분할을 달성한다.
• 정규화된 빨간색 밴드(Rnorm)는 불균일한 조명의 영향을 효과적으로 줄여, 밝은 영역이나 그림자 영역에서도 일관된 분할 결과를 생성한다.
• HSV 값 밴드(V)는 병변-피부 대비가 강도에서는 높지만 색채에서는 낮은 경우에 더 잘 작동하며, 특히 Rnorm이 병변을 구분하지 못할 경우에 유리하다.
• 볼록 껍질 후처리 단계는 대부분의 경우에 진짜 마스크와의 일치도를 향상시키며, 이미지 122에서 병변의 형태를 더 잘 포착함을 입증했다.
• 강력한 성능에도 불구하고, 이진화 단계에서 큰 비병변 연결 성분이 선택될 경우 알고리즘이 실패할 수 있으며, 이는 이미지 14575에서 관찰된 바와 같다. 이는 임계값 설정이 잘못된 경우 발생한다.
• 尺도나 잉크 마킹과 같은 잡음은 초기 분할 단계에서 오해의 소지가 있어 잘못된 포함이 발생할 수 있으며, 이는 최종 볼록 껍질에서 과도한 분할을 유도한다. 이는 이미지 12272에서 관찰된 바와 같다.