[논문 리뷰] Template-Based Active Contours

Jayanth Krishna Mogali, Adithya Pediredla외 1명|arXiv (Cornell University)|2013. 12. 03.

Medical Image Segmentation Techniques참고 문헌 26인용 수 4

한 줄 요약

이 논문은 일반적인 형상 템플릿을 대상 객체에 정렬하기 위해 5개의 자유도(이동, 회전, 이방성 스케일링)를 가진 제한된 애핀 변환(RAT)을 사용하는 템플릿 기반 활성 윤곽 프레임워크를 제안한다. 이 방법은 내부 영역과 링형 영역 간의 대비 기반 에너지 함수를 경사 하강법으로 최적화하며, 그린 정리에 의해 계산 효율성을 확보하여 잡음, 초기화 값, 부분적 가림 상태에 대해 강건한 성능을 보이며, 원형, 타원형, 오목한 형상 등 다양한 형태에 적용 가능하다.

ABSTRACT

We develop a generalized active contour formalism for image segmentation based on shape templates. The shape template is subjected to a restricted affine transformation (RAT) in order to segment the object of interest. RAT allows for translation, rotation, and scaling, which give a total of five degrees of freedom. The proposed active contour comprises an inner and outer contour pair, which are closed and concentric. The active contour energy is a contrast function defined based on the intensities of pixels that lie inside the inner contour and those that lie in the annulus between the inner and outer contours. We show that the contrast energy functional is optimal under certain conditions. The optimal RAT parameters are computed by maximizing the contrast function using a gradient descent optimizer. We show that the calculations are made efficient through use of Green's theorem. The proposed formalism is capable of handling a variety of shapes because for a chosen template, optimization is carried with respect to the RAT parameters only. The proposed formalism is validated on multiple images to show robustness to Gaussian and Poisson noise, to initialization, and to partial loss of structure in the object to be segmented.

연구 동기 및 목표

• 일반적인 형상 템플릿을 통해 형태 사전 지식을 통합할 수 있는 일반화된 활성 윤곽 수식을 개발하기 위해.
• 윤곽 진화 과정에 직접 형태 지식을 통합하여 저 SNR, 가림, 강도 비균일성 상황에서도 강건한 분할을 가능하게 하기 위해.
• 모든 템플릿 형상에 관계없이 최적화할 매개변수의 수를 고정함으로써 계산 복잡도를 감소시키기 위해.
• 내부 및 링형 강도 영역에서 유도된 대비 에너지 기능을 사용하여 수렴 안정성을 향상시키고 국소 최소값을 피하기 위해.
• 이전의 snakuscules 및 ovuscules 연구를 원형, 타원형을 넘어서 임의의 형상으로 일반화하기 위해 통합된 RAT 기반 최적화 프레임워크를 제시하기 위해.

제안 방법

• 활성 윤곽는 동심이며 닫힌 두 윤곽선으로 정의되며, 내부 윤곽선과 외부 윤곽선이 링형 영역을 형성한다.
• 내부 윤곽선 내부의 평균 강도와 윤곽선 사이의 링형 영역 내 평균 강도를 바탕으로 대비 에너지 기능을 정의한다.
• 제한된 애핀 변환(RAT)의 5개 자유도(이동, 회전, x 및 y 방향 별도 스케일링)에 대해 경사 하강법을 사용해 에너지를 최대화한다.
• 그린 정리를 활용해 에너지의 RAT 매개변수에 대한 편도함수를 효율적으로 계산함으로써 계산 비용을 감소시킨다.
• 오직 RAT 매개변수만 최적화함으로써, 윤곽선의 매개변수 표현 방식에 관계없이 임의의 형상 템플릿으로 일반화된다.
• ImageJ 플러그인을 구현하여 의료 관련 템플릿 라이브러리에서 선택하거나 사용자 정의 템플릿을 정의할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 일관된 최적화 기반으로 원형 및 타원형 템플릿에서 임의의 형상 템플릿으로 일반화할 수 있는 통합된 활성 윤곽 프레임워크를 개발할 수 있는가?
• RQ2 내부 및 링형 강도 영역에 기반한 대비 에너지 기능은 잡음과 초기화 값의 변동성에 대해 어떻게 성능을 보이는가?
• RQ3 제한된 애핀 변환(RAT)을 사용할 경우 기존의 표준 스네이크 또는 형태 사전 지식 기반 방법 대비 분할의 강건성은 어느 정도 향상되는가?
• RQ4 내부 및 외부 윤곽선 사이의 링형 영역의 두께는 분할 정확도에 얼마나 민감한가?
• RQ5 부분적 가림 또는 구조적 혼잡이 있는 경우에도 제안된 방법이 정확성과 수렴 성능을 유지할 수 있는가?

주요 결과

• 제안된 대비 에너지 기능은 특정 통계 조건 하에서 최적이며, 강한 국소 최소값 없이 안정적인 행동을 보이며 신뢰할 수 있는 수렴을 가능하게 한다.
• 이 방법은 원형, 타원형, 고리형, 오목한 템플릿 등 다양한 형상에 대해 다양한 잡음 조건(Gaussian 및 Poisson)에서도 강건한 분할 성능을 달성한다.
• 다양한 초기화 조건에서도 결과가 일관되며, MR 뇌 영상에서 우심실과 같은 경쟁 영역과 겹쳐져도 정확도를 유지한다.
• 객체가 흐린 혼잡 상태일 경우 링형 영역의 두께는 정확도에 미미한 영향을 미치지만, 높은 혼잡 환경에서는 두꺼운 링형 영역이 강건성을 향상시킨다.
• 그린 정리를 사용함으로써 에너지 기울기 계산이 효율적으로 이루어져 최적화 과정에서 계산 비용을 크게 감소시킨다.
• 의료용 템플릿 라이브러리가 내장된 ImageJ 플러그인은 실용적 응용을 가능하게 하며, 형상 모델 통합은 척추체 분할과 같은 복잡한 케이스에서 성능 향상을 이룬다.