[논문 리뷰] The Weighted Euler Curve Transform for Shape and Image Analysis

Qitong Jiang, Sebastian Kurtek외 1명|arXiv (Cornell University)|2020. 04. 23.

Topological and Geometric Data Analysis참고 문헌 38인용 수 4

한 줄 요약

이 논문은 가중치가 부여된 단체 복합체를 위한 완전한 위상적 불변량인 가중치가 부여된 오일러 곡선 변환(WECT)을 소개한다. 이는 강도 또는 회색조 데이터를 통합하여 오일러 곡선 변환(ECT)을 확장한 것이다. 자기공명영상(MRI)에서 분할된 종양 영역을 가중치가 부여된 단체 복합체로 매핑하고, 그들의 WECT 표현을 계산함으로써, 형태와 질감을 기반으로 간질세포종양 다형성 종양을 효과적으로 군집화할 수 있다. 이 군집은 환자의 생존 시간과 강하게 상관되며, 생물의학 영상 분석 및 생존 예측에 있어 그 유용성을 입증한다.

ABSTRACT

The Euler Curve Transform (ECT) of Turner et al.\ is a complete invariant of an embedded simplicial complex, which is amenable to statistical analysis. We generalize the ECT to provide a similarly convenient representation for weighted simplicial complexes, objects which arise naturally, for example, in certain medical imaging applications. We leverage work of Ghrist et al.\ on Euler integral calculus to prove that this invariant---dubbed the Weighted Euler Curve Transform (WECT)---is also complete. We explain how to transform a segmented region of interest in a grayscale image into a weighted simplicial complex and then into a WECT representation. This WECT representation is applied to study Glioblastoma Multiforme brain tumor shape and texture data. We show that the WECT representation is effective at clustering tumors based on qualitative shape and texture features and that this clustering correlates with patient survival time.

연구 동기 및 목표

• 의료 영상 데이터에서 기하학적 형태와 강도 정보를 통합하는 위상적 표현을 개발하는 것.
• 오일러 곡선 변환(ECT)을 가중치가 부여된 단체 복합체로 확장하여, 값이 가중된 정점을 갖는 위상적 객체로서 회색조 영상을 분석할 수 있도록 하는 것.
• 오일러 적분 해석의 결과를 활용하여 WECT가 가중치가 부여된 단체 복합체에 대해 완전한 불변량임을 증명하는 것.
• 실제 간질세포종양 다형성(GBM) 종양 영상 데이터에 WECT를 적용하여, 종양 군집화 및 환자 생존 예측에 있어 그 유용성을 평가하는 것.
• WECT 계산 및 분석을 위한 오픈소스 코드를 제공하여 재현 가능성과 형태 분석 분야에서의 광범위한 채택을 지원하는 것.

제안 방법

• 델로랑 트라이앵귤레이션을 사용하여 분할된 회색조 MRI 종양 영역을 가중치가 부여된 단체 복합체로 변환하며, 픽셀 강도가 정점의 가중치로 정의된다.
• 높이 함수에 강도 함수를 가중한 하위레벨 집합의 오일러 특성을 평가하여 단위 구면 상의 각 방향에서 가중치가 부여된 오일러 곡선을 계산한다.
• 노이즈를 줄이고 안정성을 향상시키기 위해 창 크기가 10인 가우시안 커널을 사용하여 결과 오일러 곡선을 스무딩한다.
• 회전 정렬을 SO(2)에서의 레지스트레이션을 통해 고려하여, 스무딩된 WECT 표현 간의 쌍별 L² 거리를 계산한다.
• 거리 행렬에 대해 워드 연결을 사용한 계층적 군집화를 적용하여 형태와 질감 유사성 기반의 종양 아형을 식별한다.
• 모든 복합체를 단위 지름과 단위 최대 가중치로 정규화하여, 다양한 영상 강도 분포를 갖는 환자 간 비교 가능성을 확보한다.

실험 결과

연구 질문

• RQ1 WECT는 뇌종양 MRI와 같은 분할된 의료 영상에서 형태와 강도 특징을 효과적으로 표현할 수 있는가?
• RQ2 WECT는 가중치가 부여된 단체 복합체에 대해 완전한 불변량인가? 즉, 기저의 복합체와 가중치 함수를 유일하게 결정하는가?
• RQ3 WECT 기반의 GBM 종양 군집화는 임상 결과와 관련된 생물학적으로 의미 있는 아형을 드러내는가?
• RQ4 기존의 형태 기반 기술자들에 비해 WECT 표현은 생존 예측을 향상시키는가?
• RQ5 WECT는 환자 간 영상 강도 분포와 종양 기하학적 구조의 변동에 대해 얼마나 강건한가?

주요 결과

• Ghrist, Levanger, 그리고 Mai의 오일러 적분 해석 결과를 활용하여, WECT가 가중치가 부여된 단체 복합체에 대해 완전한 불변량임을 증명하였다.
• 63개의 GBM 종양 영상에 대한 WECT 기반 군집화에서 평균 생존 시간이 각각 6.7개월, 12.9개월, 20.2개월인 세 개의 고유한 군집이 도출되었으며, 이는 환자의 예후와 강하게 상관됨을 시사한다.
• 저생존 군집(평균 6.7개월)은 비정형적인 형태와 비균일한 강도 분포를 보였으며, 그림 6에서 시각적으로 확인되었다.
• 저생존 군집을 제거한 후 나머지 58개 종양에 대해 계층적 군집화를 수행한 결과 여섯 개의 하위군집이 도출되었으며, 시안 및 파란 군집은 종양 경계 근처에서 고리형 강도 패턴을 보였다.
• 파란 군집는 형태와 강도 양쪽에서 더 높은 비정형성을 보였으며, 중앙 생존 기간이 14.9개월이었고, 시안 군집는 중앙 생존 기간이 22.3개월이었으며, 이는 별개의 생물학적 또는 형태학적 특징을 시사한다.
• WECT 표현은 영상 데이터에서만 기반한 효과적인 데이터 기반 군집화를 가능하게 하였으며, 영상 정규화 및 레지스트레이션을 통제한 후에도 생존 차이가 관찰되었다.