[논문 리뷰] Soft Set Based Feature Selection Approach for Lung Cancer Images

G. Jothi, H. Hannah Inbarani|arXiv (Cornell University)|2012. 12. 21.

Rough Sets and Fuzzy Logic인용 수 7

한 줄 요약

이 논문은 갑상선 조영촬영 이미지를 사용한 폐암 진단을 위한 비지도 소프트 세트 기반 특성 선택 방법 SSUSQR을 제안한다. GLCM와 GLDM를 통해 19개의 텍스처 특성을 추출하고, 소프트 세트 이론을 활용하여 최적의 특성 부분집합을 식별함으로써, 군집화 성능을 햖थ하고 중복성을 크게 감소시켜, 군집화 성능을 K-평균 및 SOM과 비교해 보다 뛰어난 결과를 얻는다.

ABSTRACT

Lung cancer is the deadliest type of cancer for both men and women. Feature selection plays a vital role in cancer classification. This paper investigates the feature selection process in Computed Tomographic (CT) lung cancer images using soft set theory. We propose a new soft set based unsupervised feature selection algorithm. Nineteen features are extracted from the segmented lung images using gray level co-occurence matrix (GLCM) and gray level different matrix (GLDM). In this paper, an efficient Unsupervised Soft Set based Quick Reduct (SSUSQR) algorithm is presented. This method is used to select features from the data set and compared with existing rough set based unsupervised feature selection methods. Then K-Means and Self Organizing Map (SOM) clustering algorithms are used to cluster the data. The performance of the feature selection algorithms is evaluated based on performance of clustering techniques. The results show that the proposed method effectively removes redundant features.

연구 동기 및 목표

• 폐암 CT 영상 분석에서 고차원적이고 중복적인 특성 문제를 해결하기 위해.
• 분割된 폐 영상에서 가장 정보적인 텍스처 특성을 선택하여 분류 정확도를 향상시키기 위해.
• 의료 영상 분석을 위한 소프트 세트 이론 기반 비지도 특성 선택 알고리즘을 개발하기 위해.
• 군집화 성능를 특성 품질의 대체 지표로 사용하여 제안된 방법의 효과성을 평가하기 위해.

제안 방법

• 회색 수준 공존 행렬(GLCM)과 회색 수준 차이 행렬(GLDM)을 사용하여 분할된 폐 CT 영상에서 19개의 텍스처 특성을 추출하였다.
• 최소이면서 최적의 특성 부분집합을 식별하기 위해 비지도 소프트 세트 기반 빠른 재구성(SSUSQR) 알고리즘을 제안하였다.
• 소프트 세트 이론을 적용하여 특성 간의 불확실성과 종속성을 모델링하고, 효율적인 재구성 계산을 가능하게 하였다.
• 선택된 특성의 품질을 평가하기 위해 K-평균 및 자기조직화 맵(SOM) 군집화를 적용하였다.
• 기존의 러프 세트 기반 비지도 특성 선택 방법과의 성능을 비교하였다.
• 군집화 정확도와 밀도를 기반으로 특성 선택의 효과성을 평가하였다.

실험 결과

연구 질문

• RQ1 소프트 세트 이론은 중복성을 최소화하면서 폐 CT 영상에서 관련 특성을 효과적으로 식별할 수 있는가?
• RQ2 의료 영상의 비지도 특성 선택에서 제안된 SSUSQR 알고리즘은 러프 세트 기반 방법과 비교해 어떻게 성능을 발휘하는가?
• RQ3 소프트 세트 기반 특성 선택은 K-평균 및 SOM과 같은 군집 알고리즘의 성능을 폐암 영상 분석에서 향상시키는가?
• RQ4 고차원적 폐 CT 영상 데이터에서 특성 감소가 군집 품질에 어떤 영향을 미치는가?
• RQ5 제안된 방법은 레이블이 없는 데이터를 사용하여 일관되게 정보성 있는 텍스처 특성을 선택할 수 있는가?

주요 결과

• 제안된 SSUSQR 알고리즘은 소프트 세트 이론을 활용하여 폐 CT 영상의 특성 중복성을 성공적으로 감소시켰다.
• 선택된 특성 부분집합은 K-평균 및 자기조직화 맵(SOM) 알고리즘 모두에서 향상된 군집 성능을 이끌어냈다.
• 군집화 정확도와 밀도 측면에서 기존의 러프 세트 기반 비지도 특성 선택 기법보다 성능이 뛰어났다.
• 소프트 세트의 사용은 텍스처 특성 간의 불확실성과 종속성을 효과적으로 처리할 수 있게 하였다.
• 결과적으로 소프트 세트 기반 특성 선택은 비지도 의료 영상 분석을 위한 실현 가능하고 효과적인 대안임을 입증하였다.
• 적은 수의 특성으로도 더 나은 군집 결과를 달성함으로써, 특성의 관련성은 높아지고 노이즈는 감소함을 시사한다.