[論文レビュー] An Unsupervised Method for Detection and Validation of The Optic Disc and The Fovea

Mrinal Haloi, Samarendra Dandapat+1 more|arXiv (Cornell University)|Jan 25, 2016

Retinal Imaging and Analysis参考文献 12被引用数 4

ひとこと要約

本稿では、初期検出にサリエンシー・マップを、検証に固有の血管構造に基づく非教師あり確率的潜在意味解析（PLSA）を用いることで、網膜後極部画像における視神経乳頭および中心窪の非教師あり検出・検証手法を提案する。本手法は、MESSIDORおよびDIARETDB1では視神経乳頭およびマクローラの検出精度が100%に達し、STAREでは98.8%を達成しており、照明やコントラストの変動に強く、前処理や手動ラベリングを必要としない。

ABSTRACT

In this work, we have presented a novel method for detection of retinal image features, the optic disc and the fovea, from colour fundus photographs of dilated eyes for Computer-aided Diagnosis(CAD) system. A saliency map based method was used to detect the optic disc followed by an unsupervised probabilistic Latent Semantic Analysis for detection validation. The validation concept is based on distinct vessels structures in the optic disc. By using the clinical information of standard location of the fovea with respect to the optic disc, the macula region is estimated. Accuracy of 100\% detection is achieved for the optic disc and the macula on MESSIDOR and DIARETDB1 and 98.8\% detection accuracy on STARE dataset.

研究の動機と目的

• 手動ラベリングや前処理に依存しない、網膜色眼底写真における視神経乳頭および中心窪の検出に耐障害性を有する非教師あり手法の開発。
• 非教師ありPLSAを用いて、視神経乳頭候補を固有の血管パターンで検証することで、検出精度の向上。
• 視神経乳頭からの相対的位置関係および主要動脈走行を臨床的知識に基づき、マクローラ領域を推定。
• 臨床的網膜画像に一般的に見られる照明およびコントラストの変動に耐性を確保。
• 病変によって特徴が遮蔽されたり変化している可能性のある病理的画像においても、正確な検出を可能にする。

提案手法

• 視神経乳頭の検出は、局所的な構造的変動を捉えるサリエンシー・マップを用いて開始され、コントラストやテクスチャの差が顕著な領域が強調される。
• 検出された候補領域は、視神経乳頭固有の血管構造パターンをモデル化する非教師あり確率的潜在意味解析（PLSA）を用いて検証される。
• 中心窪の局所化は、既知の解剖学的関係に基づく：視神経乳頭中心から約2.5視神経乳頭径分、鼻側に位置する。
• 主要動脈走行は、形態的スケルトン化としきい値処理を用いて抽出され、主な血管経路が二次関数でフィッティングされ、中心窪の位置が特定される。
• サリエンシー・マップおよびHOG特徴量が照明変動に対して安定であるため、本手法は明るさおよびコントラスト不変性を有する。
• 処理時間はGPUによる高速化が可能であり、標準的なハードウェアでも1画像あたり約10.1秒の処理時間を達成している。

実験結果

リサーチクエスチョン

• RQ1 照明や病理的状態の変動下でも、サリエンシーに基づくアプローチが網膜画像における視神経乳頭を信頼性高く検出可能か？
• RQ2 事前にラベル付けを行わず、血管構造パターンをモデル化することで、非教師ありPLSAが視神経乳頭候補を効果的に検証可能か？
• RQ3 視神経乳頭の位置と主な動脈走行のみを用いて、中心窪をどの程度正確に局所化できるか、特に病理的画像において。
• RQ4 臨床的眼底撮影で一般的に見られる明るさおよびコントラストの変動に対して、本手法はどの程度耐性を示すか？
• RQ5 前処理や手動アノテーションを必要とせず、最先端の精度を達成できるか？

主な発見

• 本手法は、MESSIDORおよびDIARETDB1データセットにおいて、視神経乳頭およびマクローラの検出精度が100%に達した。
• STAREデータセットでは、視神経乳頭検出精度が98.8%に達し、挑戦的で多様性のあるデータセットでも優れた性能を示した。
• サリエンシー・マップおよびHOG特徴量は明るさおよびコントラストの変動に対して不変性を示し、さまざまな撮影条件下でも一貫した特徴検出が可能であった。
• 照明補正やヒストограм等化などの前処理ステップを一切必要とせず、パイプラインが簡素化された。
• 標準的なハードウェア上での処理時間は1画像あたり約10.1秒であり、GPU実装により著しい高速化が見込まれた。
• 視神経乳頭の萎縮が著しく、サリエンシーまたは血管構造が欠落している場合にのみ、誤検出が発生した。