[논문 리뷰] Tumour ROI Estimation in Ultrasound Images via Radon Barcodes in Patients with Locally Advanced Breast Cancer

Hamid R. Tizhoosh, Mehrdad J. Gangeh외 2명|arXiv (Cornell University)|2016. 02. 08.

AI in cancer detection참고 문헌 17인용 수 4

한 줄 요약

이 논문은 국소적으로 진행된 유방암(LABC) 환자의 초음파 B모드 영상에서 종양 영역 관심영역(ROI)을 추정하기 위한 반자동 방법을 제안한다. Radon 바코드를 활용하여 전역적이고 국소적인 Radon 변환에서 유도된 콘텐츠 기반 바코드를 사용함으로써, 데이터베이스 내 유사한 케이스를 식별하여 종양 주변에 경계 상자(bounding box)를 추정한다. 이 방법은 유한한 경우의 검증에서 81%의 정확도를 달성하여 수동 분할 작업을 크게 감소시킨다.

ABSTRACT

Quantitative ultrasound (QUS) methods provide a promising framework that can non-invasively and inexpensively be used to predict or assess the tumour response to cancer treatment. The first step in using the QUS methods is to select a region of interest (ROI) inside the tumour in ultrasound images. Manual segmentation, however, is very time consuming and tedious. In this paper, a semi-automated approach will be proposed to roughly localize an ROI for a tumour in ultrasound images of patients with locally advanced breast cancer (LABC). Content-based barcodes, a recently introduced binary descriptor based on Radon transform, were used in order to find similar cases and estimate a bounding box surrounding the tumour. Experiments with 33 B-scan images resulted in promising results with an accuracy of $81\%$.

연구 동기 및 목표

• 국소적으로 진행된 유방암(LABC) 환자의 초음파 B모드 영상에서 종양 영역 관심영역(ROI)을 수동으로 분할하는 데 소요되는 시간과 번거로움을 해결하기 위해.
• 저해상도 대비 및 모호한 종양 경계로 인해 전체 윤곽 추출이 어려운 상황에서, 전체 윤곽 추출을 피하고 빠르게 종양을 국소화할 수 있는 반자동 접근법을 개발하기 위해.
• Radon 바코드를 콘텐츠 기반 영상 기술자로서 사용하여 초음파 영상에서 ROI 추정의 가능성을 평가하기 위해.
• 후속 정량적 초음파(QUS) 분석, 예를 들어 조직 특성 분석 및 치료 반응 예측을 위한 효율적인 프리프로세싱을 가능하게 하기 위해.
• 특수 전문가의 수동 윤곽 추적에 의존하는 것에서 벗어나, 특히 3차원 ABUS 영상에서 큰 규모의 연구에서 수일이 소요될 수 있는 작업을 줄이기 위해.

제안 방법

• 이 방법은 Radon 변환에서 유도된 바이너리 기반 기술자인 콘텐츠 기반 Radon 바코드를 사용하여 전역적 영상 콘텐츠와 국소 종양 ROI 영역을 모두 표현한다.
• 각 지정된 진단 영상에 대해 두 개의 바코드를 생성한다: 전체 영상용 전역 바코드와 종양 경계 상자 영역용 국소 바코드이다.
• 질의 영상의 경우 사용자가 중심 지점 클릭을 통해 고정 크기의 ROI를 정의하며, 이에 따라 자체 전역 및 국소 바코드를 추출한다.
• 질의 영상과 학습 영상 간의 유사도는 전역 및 국소 바코드에 대한 해밍 거리(Hamming distance)를 사용하여 계산되며, 이는 총 이질성 점수로 통합된다.
• 상위 M개의 유사한 학습 케이스가 선별되며, 이들의 경계 상자 좌표는 역유사도(식 (5) 사용)에 의해 가중되어 융합된 추정 ROI(식 (4))를 계산한다.
• 최종 추정 ROI는 지정된 진단 경계 상자와의 Dice 계수를 사용하여 정확도를 측정한다.

실험 결과

연구 질문

• RQ1 Radon 바코드는 종양 ROI 추정의 맥락에서 초음파 영상에서 종양의 외관을 효과적으로 표현할 수 있는가?
• RQ2 저대비, 노이즈가 많은 초음파 영상에서 전문가가 지정한 진단 기준과 비교하여 Radon 바코드를 사용한 반자동 방법이 종양 경계 상자를 얼마나 정확하게 추정할 수 있는가?
• RQ3 사용자 입력(중심 지점 클릭)이 추정 ROI의 정확도에 미치는 영향은 어느 정도이며, 입력 위치의 미세한 변동에 대해 이 방법은 얼마나 강인한가?
• RQ4 이 방법은 QUS 기반 암 치료 반응 모니터링 및 예측 연구에서 ROI 선택에 소요되는 시간과 노력을 어떻게 크게 줄일 수 있는가?
• RQ5 전역 및 국소 Radon 바코드의 조합은 초음파 영상에서 종양 국소화에 있어 각각을 별도로 사용하는 것보다 더 효과적인가?

주요 결과

• 제안된 방법은 LABC 환자 33건의 B-스캔 영상에서 유한한 경우 검증에서 평균 81% ± 14%의 Dice 유사도 계수를 달성하였다.
• 사용자가 제공한 중심 지점이 진짜 종양 중심 근처에 있으면서도, 작은 변동에 대해 매우 강인한 성능을 보였다.
• 전역 및 국소 Radon 바코드를 모두 사용할 경우, 각각을 별도로 사용할 때보다 국소화 정확도가 향상되었으며, 이는 통합 유사도 지표로 확인되었다.
• 이 방법은 ROI 선택에 소요되는 수동 작업을 크게 줄였으며, 특히 대규모 연구에서 전체 수동 분할에 수일이 소요될 수 있는 상황에서 빠르고 반자동적인 대안을 제공한다.
• 이 방법은 복잡한 영상 정렬 또는 딥러닝 추론을 피하기 때문에 이진 바코드 비교에 기반하여 계산적으로 효율적이고 확장 가능한 특성을 지닌다.
• 결과는 이 방법이 유방암에서 치료 예측 및 조직 특성 분석을 위한 QUS 파이프라인에 통합될 잠재력이 매우 높다는 것을 시사한다.