[논문 리뷰] Tumor Saliency Estimation for Breast Ultrasound Images via Breast Anatomy Modeling

Fei Xu, Yingtao Zhang외 6명|arXiv (Cornell University)|2019. 06. 18.

Visual Attention and Saliency Detection참고 문헌 39인용 수 6

한 줄 요약

이 논문은 뉴트로-연결성 레이어 분해를 통한 유방 해부학 모델링을 통합하여 유방 초음파 영상에 대한 새로운 종양 샛기 추정 방법을 제안한다. 배경 및 전경 맵, 적응형 중심 편향, 영역 기반 상관관계를 활용함으로써, 두 데이터셋에서 최신 기술 수준(SOTA) 성능을 달성하였으며, 특히 극단적으로 크거나 작은 종양의 정확도를 향상시키고 종양이 없는 영상도 효과적으로 처리한다.

ABSTRACT

Tumor saliency estimation aims to localize tumors by modeling the visual stimuli in medical images. However, it is a challenging task for breast ultrasound due to the complicated anatomic structure of the breast and poor image quality; and existing saliency estimation approaches only model generic visual stimuli, e.g., local and global contrast, location, and feature correlation, and achieve poor performance for tumor saliency estimation. In this paper, we propose a novel optimization model to estimate tumor saliency by utilizing breast anatomy. First, we model breast anatomy and decompose breast ultrasound image into layers using Neutro-Connectedness; then utilize the layers to generate the foreground and background maps; and finally propose a novel objective function to estimate the tumor saliency by integrating the foreground map, background map, adaptive center bias, and region-based correlation cues. The extensive experiments demonstrate that the proposed approach obtains more accurate foreground and background maps with the assistance of the breast anatomy; especially, for the images having large or small tumors; meanwhile, the new objective function can handle the images without tumors. The newly proposed method achieves state-of-the-art performance when compared to eight tumor saliency estimation approaches using two breast ultrasound datasets.

연구 동기 및 목표

• 복잡한 해부학과 열악한 영상 품질로 인한 유방 초음파 영상에서 종양 샛기 추정 정확도가 낮은 문제를 해결하기 위해.
• 뉴트로-연결성을 통해 유방 조직 층을 모델링하여 전경 및 배경 맵 생성을 향상시키기 위해.
• 해부학적 사전 지식, 중심 편향, 영역 기반 상관관계를 통합한 새로운 목적 함수를 개발하여 샛기 예측 성능을 향상시키기 위해.
• 크고 작은 종양이 있는 영상뿐 아니라 종양이 없는 케이스에서도 견고한 성능을 확보하기 위해.
• 기존의 샛기 추정 방법들을 벤치마크 유방 초음파 데이터셋에서 능가하기 위해.

제안 방법

• 유방 초음파 영상을 뉴트로-연결성을 사용해 해부학적 층으로 분해하여 조직 구조를 모델링한다.
• 분해된 층에서 전경 및 배경 맵을 생성하여 샛기 추정을 안내한다.
• 전경 맵, 배경 맵, 적응형 중심 편향, 영역 기반 상관관계 신호를 통합한 새로운 최적화 목표 함수를 도입한다.
• 해부학적 사전 지식을 반영하여 영상 중심 부근의 종양 발생 가능성에 주목하기 위해 적응형 중심 편향을 활용한다.
• 지역 일관성을 향상시키고 샛기 맵의 잡음(거짓 양성)을 줄이기 위해 영역 기반 상관관계를 사용한다.
• 목적 함수를 최적화하여 정확한 종양 샛기 맵을 생성하면서도 영상 품질 변동에 대해 견고성을 유지한다.

실험 결과

연구 질문

• RQ1 해부학적 층 분해가 유방 초음파 영상에서 전경 및 배경 맵의 품질을 향상시키는가?
• RQ2 유방 해부학과 중심 편향을 통합함으로써, 특히 작은 또는 큰 종양의 경우 종양 샛기 추정 성능이 어떻게 향상되는가?
• RQ3 제안된 목적 함수는 종양이 없는 영상도 처리할 수 있는가? 일반화 성능이 향상되는가?
• RQ4 기존의 샛기 추정 접근 방식보다 벤치마크 유방 초음파 데이터셋에서 성능이 뛰어나게 되는가?
• RQ5 영역 기반 상관관계가 종양 국소화에서 거짓 양성 수를 어느 정도 감소시키는가?

주요 결과

• 제안된 방법은 두 개인 유방 초음파 데이터셋에서 최신 기술 수준(SOTA) 성능을 달성하였으며, 기존의 여덟 가지 샛기 추정 방법을 모두 능가한다.
• 뉴트로-연결성을 통한 해부학적 층 분해에 의해 안내된 전경 및 배경 맵은 훨씬 더 정확해진다.
• 이전 방법들이 자주 실패하는 크고 작은 종양이 있는 영상에서도 이 방법은 뛰어난 성능을 보인다.
• 새로운 목적 함수는 종양이 없는 영상도 효과적으로 처리하여 안정적이고 타당한 샛기 맵을 유지한다.
• 적응형 중심 편향과 영역 기반 상관관계의 통합은 거짓 양성 비율을 감소시키고 국소화 정확도를 향상시킨다.
• 광범위한 실험을 통해 이 방법의 다양한 영상 품질과 종양 특성에 대한 견고성과 일반화 능력이 확인되었다.