[논문 리뷰] Unsupervised Segmentation Algorithms' Implementation in ITK for Tissue Classification via Human Head MRI Scans

Shadman Sakib, Md. Abu Bakr Siddique|arXiv (Cornell University)|2019. 02. 26.

Medical Image Segmentation Techniques참고 문헌 14인용 수 4

한 줄 요약

이 논문은 인간의 뇌 MRI 스캔에서 조직 분류를 위해 인사이트 툴킷(ITK) 내에서 비지도 분할 알고리즘 세 가지—오츠 임계값 설정, 베이지안 분류, 가우시안 스무딩을 적용한 베이지안 분류—을 구현하고 평가한다. 다섯 개인 T1 강조 MRI 데이터셋을 사용하여, 가우시안 스무딩을 적용한 베이지안 분류가 백색질, 회색질, 뇌척수액(CSF), 배경 조직의 분할에서 가장 정확하며, 일관성과 해부학적 정확도에서 다른 방법들을 능가함을 입증한다.

ABSTRACT

Tissue classification is one of the significant tasks in the field of biomedical image analysis. Magnetic Resonance Imaging (MRI) is of great importance in tissue classification especially in the areas of brain tissue classification which is able to recognize anatomical areas of interest such as surgical planning, monitoring therapy, clinical drug trials, image registration, stereotactic neurosurgery, radiotherapy etc. The task of this paper is to implement different unsupervised classification algorithms in ITK and perform tissue classification (white matter, gray matter, cerebrospinal fluid (CSF) and background of the human brain). For this purpose, 5 grayscale head MRI scans are provided. In order of classifying brain tissues, three algorithms are used. These are: Otsu thresholding, Bayesian classification and Bayesian classification with Gaussian smoothing. The obtained classification results are analyzed in the results and discussion section.

연구 동기 및 목표

• 비지도 분할 알고리즘을 인사이트 툴킷(ITK)에 개발하고 통합하여 생물의학 영상 분석에 활용하기 위해.
• 비지도 학습을 사용하여 T1 강조 MRI 스캔에서 뇌 조직 유형 네 가지—백색질, 회색질, 뇌척수액(CSF), 배경—을 분류하기 위해.
• 오츠 임계값 설정, 표준 베이지안 분류, 가우시안 스무딩을 적용한 베이지안 분류의 성능을 비교하기 위해.
• 지침이 없는 실제 임상 MRI 데이터에서 이러한 방법의 강인성과 정확도를 평가하기 위해.

제안 방법

• 연구는 비지도 조직 분류를 위한 입력으로 다섯 개의 T1 강조 인간 뇌 MRI 스캔을 사용한다.
• 오츠 임계값 설정은 영상 히스토그램 분포를 기반으로 조직 간 분리에 적합한 최적의 강도 임계값을 자동으로 결정하기 위해 적용된다.
• 베이지안 분류는 영상 강도 통계에서 추정된 클래스 조건부 밀도 함수를 사용하여 구현된다.
• 가우시안 스무딩은 영상 강도 분포의 노이즈를 줄이고 클래스 간 분리 가능성을 향상시키기 위해 입력 MRI 데이터에 사전에 적용된다.
• 분할 결과는 시각적 검토를 통한 정성적 평가와 조직 분포 및 공간 일관성의 정량적 분 析를 통해 평가된다.
• 모든 알고리즘은 ITK에 구현되어 있으며, 효율적이고 재현 가능한 생물의학 영상 처리를 위해 C++ 프레임워크를 활용한다.

실험 결과

연구 질문

• RQ1 비지도 분할 알고리즘이 인간의 뇌 MRI 스캔에서 백색질, 회색질, CSF 및 배경 조직을 얼마나 정확하게 분류할 수 있는가?
• RQ2 가우시안 스무딩이 조직 분할에서 베이지안 분류 성능에 미치는 영향은 무엇인가?
• RQ3 오츠 임계값 설정, 표준 베이지안 분류, 스무딩된 베이지안 분류 간에 해부학적 정확도와 노이즈 강인성 측면에서 어떻게 비교되는가?
• RQ4 ITK 내 비지도 방법이 지침 없이도 신뢰할 수 있고 재현 가능한 조직 분류 결과를 도출할 수 있는가?

주요 결과

• 가우시안 스무딩을 적용한 베이지안 분류는 백색질, 회색질, CSF 간 경계가 더 명확하여 가장 해부학적으로 타당한 분할 결과를 도출하였다.
• 오츠 임계값 설정은 조직 유형 간 강도 분포가 겹치는 데서 기인한 한계로 인해 조각나고 정확도가 떨어지는 분할 결과를 보였다.
• 표준 베이지안 분류는 오츠보다 성능이 뛰어나지만 여전히 MRI 스캔의 노이즈와 강도 비균일성에 민감한 편이었다.
• 가우시안 스무딩의 추가로 조직 분류의 일관성과 공간 일관성이 크게 향상되었으며, 특히 저대비 영역이나 부분 부피 효과가 있는 영역에서 두드러졌다.