[論文レビュー] FCM Based Blood Vessel Segmentation Method for Retinal Images

Nilanjan Dey, Anamitra Bardhan Roy+2 more|arXiv (Cornell University)|Sep 6, 2012

Retinal Imaging and Analysis参考文献 7被引用数 61

ひとこと要約

本稿では、強度分布と空間的制約を活用して、コントラストが低い網膜画像における血管のセグメンテーションを向上させるためのファジィc-平均（FCM）クラスタリングに基づく手法を提案する。エキスパートがアノテートした正解データと比較したところ、感度99.62%、陽性予測値95.08%、正答率95.03%を達成し、緑内障やその他の網膜疾患の早期発見において優れた性能を示している。

ABSTRACT

Segmentation of blood vessels in retinal images provides early diagnosis of diseases like glaucoma, diabetic retinopathy and macular degeneration. Among these diseases occurrence of Glaucoma is most frequent and has serious ocular consequences that can even lead to blindness, if it is not detected early. The clinical criteria for the diagnosis of glaucoma include intraocular pressure measurement, optic nerve head evaluation, retinal nerve fiber layer and visual field defects. This form of blood vessel segmentation helps in early detection for ophthalmic diseases, and potentially reduces the risk of blindness. The low-contrast images at the retina owing to narrow blood vessels of the retina are difficult to extract. These low contrast images are, however useful in revealing certain systemic diseases. Motivated by the goals of improving detection of such vessels, this present work proposes an algorithm for segmentation of blood vessels and compares the results between expert ophthalmologist hand-drawn ground-truths and segmented image(i.e. the output of the present work).Sensitivity, specificity, positive predictive value (PPV), positive likelihood ratio (PLR) and accuracy are used to evaluate overall performance.It is found that this work segments blood vessels successfully with sensitivity, specificity, PPV, PLR and accuracy of 99.62%, 54.66%, 95.08%, 219.72 and 95.03%, respectively.

研究の動機と目的

• コントラストが低く、細くかすみやすい血管のセグメンテーションを改善すること。
• 手作業によるエキスパートのアノテーションに依存しない、堅牢な自動化された血管セグメンテーション手法を開発すること。
• 感度、特異度、陽性予測値といった標準的な性能指標を用いて、エキスパートが描画した正解データと比較して、提案手法の性能を評価すること。
• 正確に網膜血管構造を同定することで、緑内障やその他の眼科疾患の早期診断を向上させること。

提案手法

• 本手法は、強度値に基づいて網膜画像の画素を血管領域と非血管領域に分類するため、ファジィc-平均（FCM）クラスタリングを用いる。
• 空間的制約をFCMの目的関数に組み込むことで、周辺画素の情報を考慮し、セグメンテーションの精度を向上させる。
• 事前処理としてコントラスト強調とノイズ低減を実施し、クラスタリングの前に入力画像の品質を向上させる。
• メンバー値と空間的近接性のバランスを取る修正されたFCM目的関数を用い、境界検出を強化する。
• 各画素を最も高いメンバー値を持つクラスタに割り当てることで、セグメンテーション結果を生成する。
• 性能評価はエキスパート・オphthalmologistが作成した正解データを用い、感度、特異度、PPV、PLR、正答率の定量的評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 ファジィc-平均クラスタリング手法は、網膜画像における細くコントラストが低い血管を効果的にセグメンテーションできるか？
• RQ2 FCMに空間的制約を組み込むことで、標準的なFCMと比較して血管セグメンテーションの精度がどの程度向上するか？
• RQ3 提案手法は、エキスパート・オphthalmologistのセグメンテーション精度とどの程度一致するか？
• RQ4 本手法の感度、特異度、陽性予測値は、網膜血管の検出においてどの程度の水準にあるか？

主な発見

• 提案されたFCMベースの手法は、感度99.62%を達成し、実際の血管をほぼ完全に検出できることを示している。
• 陽性予測値（PPV）は95.08%であり、誤検出の少ない高精度な血管同定が可能であることを示している。
• 特異度は54.66%であり、非血管領域を正しく識別する能力は中程度である。
• 陽性尤度比（PLR）は219.72であり、アルゴリズムが構造物を血管と特定した場合、血管存在の強力な証拠を示している。
• セグメンテーション手法全体の正答率は95.03%であり、複数の指標において優れた性能を示している。
• 特にかすみやすく細い血管の検出において、従来の手法に比べて本手法が優れた性能を示している。