[논문 리뷰] Semi-Automatic Algorithm for Breast MRI Lesion Segmentation Using Marker-Controlled Watershed Transformation

Sulaiman Vesal, Andres Diaz‐Pinto외 4명|arXiv (Cornell University)|2017. 12. 14.

AI in cancer detection참고 문헌 10인용 수 3

한 줄 요약

이 논문은 방사선의사가 정의한 영역 내에서 가장 밝은 픽셀을 마커로 사용하여 유방 MRI 병변 분할을 위한 반자동 마커 제어 워터셰 전환(MCWT) 방법을 제안한다. 이는 정확도를 향상시키기 위한 것이다. 106개 병변에 걸쳐 평균 DSC는 0.7808 ± 0.1729, JI는 0.6704 ± 0.2167를 기록하여 양성 및 악성 병변 모두에서 뛰어난 성능을 보이며 최소한의 수동 입력으로 구현된다.

ABSTRACT

Magnetic resonance imaging (MRI) is an effective imaging modality for identifying and localizing breast lesions in women. Accurate and precise lesion segmentation using a computer-aided-diagnosis (CAD) system, is a crucial step in evaluating tumor volume and in the quantification of tumor characteristics. However, this is a challenging task, since breast lesions have sophisticated shape, topological structure, and high variance in their intensity distribution across patients. In this paper, we propose a novel marker-controlled watershed transformation-based approach, which uses the brightest pixels in a region of interest (determined by experts) as markers to overcome this challenge, and accurately segment lesions in breast MRI. The proposed approach was evaluated on 106 lesions, which includes 64 malignant and 42 benign cases. Segmentation results were quantified by comparison with ground truth labels, using the Dice similarity coefficient (DSC) and Jaccard index (JI) metrics. The proposed method achieved an average Dice coefficient of 0.7808$\pm$0.1729 and Jaccard index of 0.6704$\pm$0.2167. These results illustrate that the proposed method shows promise for future work related to the segmentation and classification of benign and malignant breast lesions.

연구 동기 및 목표

• 복잡한 형태, 변동성이 큰 강도 분포, 복잡한 위상학적 특성을 지닌 유방 MRI 병변의 정확하고 강건한 분할에 도전한다.
• 간단한 강도 기반 마커 선택 전략을 통해 워터셰 기반 분할에서의 과분할 문제를 줄인다.
• 컴퓨터 보조 진단(CAD) 시스템에서 사용하기 위해 최소한의 수동 입력으로 높은 분할 정확도를 유지하는 방법을 개발한다.
• 다양한 106개의 유방 MRI 병변(양성 및 악성 포함)에 대해 제안된 MCWT 방법의 성능을 평가한다.

제안 방법

• 대비 제한적 적응형 히스토GRAM 균형화(CLAHE)를 사용하여 감마 차분 영상의 대비를 향상시킨다.
• 방사선의사가 병변 주변에 수동으로 영역 관심 영역(ROI)을 정의하며, 이 ROI를 기반으로 가장 밝은 n개 픽셀을 내부 마커로 선택한다.
• 선택된 밝은 픽셀을 내부 마커로, ROI 경계를 외부 마커로 사용하여 기울기 크기 영상에 워터셰 변환을 적용한다.
• 교차 검증을 통해 최적의 마커 수(n=45)를 DSC 및 JI 지표를 기반으로 결정한다.
• 워터셰 출력에서 이진 분할 마스크를 생성하며, 마커에 가까운 영역 기반으로 레이블을 할당한다.
• 전문가의 수동 분할과 비교하여 DSC(유사도 계수) 및 JI(자카르 지수)를 사용해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 간단한 강도 기반 마커 선택 전략이 유방 MRI에서 워터셰 기반 병변 분할의 강건성과 정확도를 향상시킬 수 있는가?
• RQ2 마커 수가 다양한 병변 유형에 대해 DSC 및 JCI 성능에 미치는 영향은 어떠한가?
• RQ3 제안된 MCWT 방법이 다양한 형태와 강도 분포를 지닌 양성 및 악성 병변 모두에서 신뢰할 수 있는 분할을 달성할 수 있는가?
• RQ4 기존 워터셰 접근 방식에 비해 이 방법이 과분할을 얼마나 줄이는가?
• RQ5 이 방법이 CAD 시스템에서 후속 병변 분류를 위한 효과적인 사전 처리 단계로 기능할 수 있는가?

주요 결과

• 제안된 MCWT 방법은 106개 병변에 걸쳐 평균 DSC 0.7808 ± 0.1729를 달성하여 지표 분할과 강한 겹침을 보였다.
• 평균 Jaccard 지수(JI)는 0.6704 ± 0.2167로 자동 및 수동 분할 간 양호한 일치를 반영했다.
• 최적의 마커 수는 45로, 분할 정확도와 과분할 제어 사이의 균형을 맞추는 데 적합한 것으로 밝혀졌다.
• 중간에서 큰 병변에 대해선 정확한 경계 검출과 최소한의 가장자리 오류를 기록하여 우수한 성능를 보였다.
• 여러 개의 분리된 병변이 있는 경우, 특히 ROI가 넓을 경우 병변과 정상 조직 간 강도가 겹쳐져서 성능에 어려움을 겪었다.
• 템플릿 매칭이나 가우시안 혼합 모델과 같은 복잡한 특징에 의존하는 기존 마커 기반 방법에 비해 본 방법은 강건성과 단순성에서 뛰어난 성능를 보였다.