[논문 리뷰] Just-Enough Interaction Approach to Knee MRI Segmentation: Data from the Osteoarthritis Initiative

Satyananda Kashyap, Honghai Zhang외 1명|arXiv (Cornell University)|2019. 03. 10.

Human Pose and Action Recognition인용 수 8

한 줄 요약

이 논문은 LOGISMOS 프레임워크를 사용하여 자동화된 무릎 MRI 분할을 향상시키기 위해 '적정 상호작용'(JEI)이라는 새로운 방법을 제안한다. 사용자는 직접 경계 편집 대신 국소적인 그래프 비용을 수정하는 최소한의 상호작용을 통해 분할 오류를 수정한다. JEI 방법은 자동화된 LOGISMOS 대비 연골 표면 오차를 40% 이상 감소시켰으며, 유의수준 p < 0.001이었다. 또한 다중 시간 포인트에서 효율적인 4D 종단적 보정을 가능하게 했다.

ABSTRACT

State-of-the-art automated segmentation algorithms are not 100\\% accurate especially when segmenting difficult to interpret datasets like those with severe osteoarthritis (OA). We present a novel interactive method called just-enough interaction (JEI), which adds a fast correction step to the automated layered optimal graph segmentation of multiple objects and surfaces (LOGISMOS). After LOGISMOS segmentation in knee MRI, the JEI user interaction does not modify boundary surfaces of the bones and cartilages directly. Local costs of underlying graph nodes are modified instead and the graph is re-optimized, providing globally optimal corrected results. Significant performance improvement ($p \\ll 0.001$) was observed when comparing JEI-corrected results to the automated. The algorithm was extended from 3D JEI to longitudinal multi-3D (4D) JEI allowing simultaneous visualization and interaction of multiple-time points of the same patient.

연구 동기 및 목표

• 심한 관절염 병변이 있는 MRI에서 잡음이 연골과 유사하게 나타나 자동 분할의 정확도를 떨어뜨리는 문제를 해결하기 위해.
• 전체 최적성을 보장하면서도 최소한의 입력으로 자동 분할을 수정할 수 있는 사용자 상호작용 방법을 개발하기 위해.
• 이를 종단적(4D) MRI 분석으로 확장하여 동일 환자의 다중 시간 포인트에서 동시에 보정할 수 있도록 하여 질환의 동적 모니터링을 가능하게 하기 위해.
• 기존의 병변 단위 편집 방식에 비해 관찰자 간 편향과 후처리 시간을 줄이기 위해.

제안 방법

• 방법은 무릎 MRI에서 대퇴골과 경골 뼈, 연골의 자동 LOGISMOS 분할로 시작된다.
• 분할 후 잔여 그래프가 유지되며, 이는 상호작용 보정을 위한 최적화된 상태를 나타낸다.
• 사용자는 2D 슬라이스 상에 '누르기 포인트'(nudge points)를 배치하여 직접 경계를 수정하는 대신, 기저의 그래프 구조 내 국소 노드 비용을 수정한다.
• 각 상호작용 후 최대 유량(max-flow) 알고리즘을 사용해 그래프를 재최적화함으로써 전역적으로 최적의 분할 결과를 보장한다.
• 이 방법은 시간 간격 간 제약 조건을 통합하여 동일 환자의 다중 스캔에서 시간적 일관성을 유지하는 4D JEI로 확장된다.
• 프레임워크는 플랫폼 및 응용 프로그램에 관계없이 사용 가능하며, 다중 시간 포인트에서의 효율적 시각화 및 상호작용을 위한 GUI가 설계되어 있다.

실험 결과

연구 질문

• RQ1 심한 관절염 병변이 존재하는 상황에서 최소한의 사용자 상호작용 전략이 자동 무릎 MRI 분할의 정확도를 향상시킬 수 있는가?
• RQ2 이전의 상호작용 방법과 달리, JEI 방법은 다중 객체 및 표면 보정 시에도 전역 최적성을 유지하는가?
• RQ3 JEI는 종단적(4D) MRI 분석으로 효과적으로 확장되어 동적 연골 손실 모니터링을 지원할 수 있는가?
• RQ4 JEI는 기존의 병변 단위 편집 방식에 비해 시간 효율성과 분할 정확도 측면에서 어떻게 비교되는가?
• RQ5 JEI로 보정된 결과는 연골 탐지에 대한 기계학습 모델의 훈련 데이터로 더 우수한 성능을 발휘할 수 있는가?

주요 결과

• JEI로 보정된 대퇴골 연골 분할의 부호 오차는 -0.03 ± 0.08 mm로, 자동화된 LOGISMOS의 -0.37 ± 0.23 mm보다 유의미하게 낮았으며(p ≪ 0.001).
• 대퇴골 연골의 절대 오차는 자동화된 경우 0.73 ± 0.16 mm에서 JEI로 0.43 ± 0.06 mm로 감소하여 40% 향상되었으며, p ≪ 0.001 유의수준을 확보했다.
• 경골 연골의 경우, 절대 오차는 0.80 ± 0.20 mm에서 0.51 ± 0.13 mm로 감소하여 동일한 유의수준(p ≪ 0.001)을 확보했다.
• JEI를 사용한 평균 보정 시간은 약 15분이며, 수시간이 소요되는 수작업 병변 단위 편집에 비해 유의미하게 빠르게 나타났다.
• 종단적 4D JEI 프레임워크는 다중 시간 포인트에서 동시에 시각화 및 보정이 가능하게 하여 연골 손실의 점진적 분석을 지원했다.
• JEI로 보정된 표면는 자동화된 LOGISMOS 출력으로 훈련된 모델보다 기계학습 분류기의 성능을 향상시켰다.