[논문 리뷰] Low-rank Convex/Sparse Thermal Matrix Approximation for Infrared-based Diagnostic System

Bardia Yousefi, Clemente Ibarra‐Castanedo외 1명|arXiv (Cornell University)|2020. 10. 14.

Infrared Thermography in Medicine참고 문헌 41인용 수 11

한 줄 요약

이 논문은 적은 랭크의 볼록, 반정규, 희소 비음수 행렬 분해(NMF)를 제안하여 적외선 열화상에서 결함 탐지 및 열 비균일성 분석을 향상시킨다. 활성 열화상(CFRP, 알루미늄, PMMA)과 수동 유방 스크리닝(DMR 데이터셋)에 적용된 결과, 희소-NMF, 볼록-NMF, 반정규-NMF는 PCT 및 NMF와 같은 최첨단 기법보다 뛰어난 성능을 보였으며, CFRP 결함에서는 최대 97.4%의 정확도를 달성했고, 유방 병변 유무를 구분하는 데서는 77.8%의 정확도를 기록했으며, 가우시안 노이즈에 대해 강력한 내성도를 보였다.

ABSTRACT

Active and passive thermography are two efficient techniques extensively used to measure heterogeneous thermal patterns leading to subsurface defects for diagnostic evaluations. This study conducts a comparative analysis on low-rank matrix approximation methods in thermography with applications of semi-, convex-, and sparse- non-negative matrix factorization (NMF) methods for detecting subsurface thermal patterns. These methods inherit the advantages of principal component thermography (PCT) and sparse PCT, whereas tackle negative bases in sparse PCT with non-negative constraints, and exhibit clustering property in processing data. The practicality and efficiency of these methods are demonstrated by the experimental results for subsurface defect detection in three specimens (for different depth and size defects) and preserving thermal heterogeneity for distinguishing breast abnormality in breast cancer screening dataset (accuracy of 74.1%, 75.8%, and 77.8%).

연구 동기 및 목표

• 활성 열화상에서 열 결함을 탐지하는 데 있어 낮은 랭크의 볼록, 반정규, 희소-NMF의 성능을 평가하는 것.
• 이러한 NMF 변종이 수동 열화상 영상에서의 열 비균일성을 탐지하는 데 얼마나 효과적인지 평가하는 것.
• PCT, CCIPCT, 및 희소-PCT와 같은 최첨단 열화상 기법들과 비교하여 제안된 NMF 방법의 성능을 평가하는 것.
• 가우시안 노이즈(3%에서 20%)가 추가된 조건에서 이러한 방법의 내성도를 분석하는 것.
• NMF 기반의 낮은 랭크 근사가 이질적인 열 패턴에서 결함의 가시성 향상과 분류 정확도 향상에 기여하는지 조사하는 것.

제안 방법

• 활성 및 수동 열화상의 열 이미지 시퀀스에 대해 반정규, 볼록, 희소-NMF를 낮은 랭크 행렬 근사에 적용하였다.
• 유방 열화상의 경우 열 수준 공존 행렬(TLCMs)을 사용하여 대trast, 상관관계, 이질성, 균일성, 에너지의 다섯 가지 무늬 특징을 추출하였다.
• DMR 데이터셋에서 병변이 있는지 여부를 분류하기 위해 추출된 특징을 기반으로 로지스틱 회귀를 훈련시켰다.
• 활성 열화상에서 결함 탐지의 정량적 평가를 위해 재작도 지수(Jaccard index)를 사용하였다.
• 가우시안 노이즈(3%에서 20%) 하에서 신호 대 잡음비(SNR)를 사용하여 내성도를 평가하였다.
• 다양한 방법 간 비교 검증을 통해 정규화 및 반복 횟수 파라미터를 최적화하였다.

실험 결과

연구 질문

• RQ1 반정규, 볼록, 희소-NMF는 PCT 및 관련 기법들보다 활성 열화상에서 결함 탐지 정확도를 향상시킬 수 있는가?
• RQ2 이러한 NMF 변종은 수동 열화상 유방 영상에서 암 스크리닝을 위한 열 비균일성을 효과적으로 탐지할 수 있는가?
• RQ3 볼록-NMF의 성능은 반정규 및 희소-NMF와 비교하여 병변이 있는지 여부를 분류하는 데 얼마나 우수한가?
• RQ4 이러한 NMF 기반 방법들이 증가하는 수준의 가우시안 노이즈 하에서도 정확도를 유지하는 정도는 어느 정도인가?
• RQ5 낮은 랭크 NMF 근사가 표준 PCT 및 NMF 접근 방식에 비해 결함의 가시성 향상과 분류 내성도 향상에 기여하는가?

주요 결과

• 희소-NMF는 1 mm 미만의 결함에서 90.6%의 정확도, 10 mm 초과의 CFRP 결함에서 42.7%, 1–3 mm 사이의 PMMA 결함에서 46.9%의 정확도를 기록했다.
• 볼록-NMF는 1 mm 이하의 결함에서 91.2%의 정확도, 10 mm 초과의 CFRP 결함에서 97.4%, 1 mm 이하의 PMMA 결함에서 86.8%의 정확도를 기록했다.
• 반정규-NMF는 1 mm 이하의 결함에서 86.4%의 정확도, 1 mm 초과의 CFRP 결함에서 81.7%의 정확도를 기록했다.
• 수동 열화상에서는 볼록-NMF가 DMR 데이터셋에서 병변이 있는 경우와 건강한 경우를 77.8%의 정확도로 분류하여 다른 방법들을 능가했다.
• 반정규, 볼록, 희소-NMF의 세 가지 변종 모두 가우시안 노이즈(3%에서 20%)에 대해 강력한 내성도를 보였으며, PCT, CCIPCT, 희소-PCT보다 뛰어난 성능을 보였다.
• 목적 함수 최적화에서 NMF-gd(경사 하강법)가 NMF-nnls(비음수 최소 제곱)보다 略적으로 더 우수한 성능를 보였으며, 이는 알고리즘의 영향이 정확도에 영향을 준다는 것을 시사한다.