[논문 리뷰] Retrieving Similar X-Ray Images from Big Image Data Using Radon Barcodes with Single Projections

Morteza Babaie, Hamid R. Tizhoosh외 2명|arXiv (Cornell University)|2017. 01. 02.

Advanced Image and Video Retrieval Techniques참고 문헌 16인용 수 9

한 줄 요약

이 논문은 단일 라돈 투영을 이미지당 전역 특징으로 사용하여 대규모 X선 영상 데이터셋을 위한 콘텐츠 기반 영상 검색 방법인 Single Projection Radon Barcode (SP-RBC)를 제안한다. 이 방법은 이러한 압축된 단일 투영 바코드를 활용하고 상위-k 검색 결과에 국소 검색을 적용함으로써 오류율을 크게 감소시킨다. 이는 14,400개의 X선 영상으로 구성된 IRMA 2009 데이터셋에서 입증되었으며, 다중 투영이나 복잡한 학습 프레임워크를 요구하지 않음에도 불구하고 비학습 기반 기준보다 뛰어난 성능을 보였다.

ABSTRACT

The idea of Radon barcodes (RBC) has been introduced recently. In this paper, we propose a content-based image retrieval approach for big datasets based on Radon barcodes. Our method (Single Projection Radon Barcode, or SP-RBC) uses only a few Radon single projections for each image as global features that can serve as a basis for weak learners. This is our most important contribution in this work, which improves the results of the RBC considerably. As a matter of fact, only one projection of an image, as short as a single SURF feature vector, can already achieve acceptable results. Nevertheless, using multiple projections in a long vector will not deliver anticipated improvements. To exploit the information inherent in each projection, our method uses the outcome of each projection separately and then applies more precise local search on the small subset of retrieved images. We have tested our method using IRMA 2009 dataset a with 14,400 x-ray images as part of imageCLEF initiative. Our approach leads to a substantial decrease in the error rate in comparison with other non-learning methods.

연구 동기 및 목표

• 대규모 X선 영상 데이터베이스에서 효율적이고 정확한 콘텐츠 기반 검색을 해결하기 위해.
• 다중 투영이나 딥러닝에 의존하는 것을 최소화함으로써 영상 검색의 계산 비용과 복잡성을 감소시키기 위해.
• 국소 검색을 통해 개별 라돈 투영 내부의 본질적 정보를 활용하여 검색 정확도를 향상시키기 위해.
• 단일 라돈 투영이 실질적으로 다중 투영 방법보다 우수한 성능을 보일 수 있음을 입증하기 위해.
• 학습 데이터나 복잡한 특징 학습이 필요 없이 최소한의 계산 오버헤드로 높은 성능을 유지하는 경량이고 확장 가능한 의료 영상 검색 솔루션을 제공하기 위해.

제안 방법

• 이 방법은 각 X선 영상당 단일 라돈 투영을 압축된 전역 특징으로 사용하며, 이는 단일 SURF 기술자와 길이가 동일하다.
• 각 이미지는 단일 투영 각도만을 사용하여 라돈 바코드로 인코딩되며, 이로 인해 특징 차원 수와 계산 시간이 크게 감소된다.
• 검색 과정은 먼저 근사 최근접 이웃 검색을 통해 단일 투영 바코드를 사용해 후보 이미지의 소량을 식별함으로써 시작된다.
• 그 후 상위-k로 검색된 이미지들에 대해 전체 특징 표현을 사용하여 더 정밀한 국소 검색을 적용하여 결과를 정밀화한다.
• 이 방법은 다중 투영이나 학습 기반 모델이 필요 없으며, 대신 라돈 변환이 이미지 콘텐츠에 민감한 구조적 특성을 활용한다.
• 이 방법은 IRMA 2009 데이터셋을 사용하여 평가되었으며, 14,400개의 X선 영상으로 구성된 의료 영상 검색의 기준 데이터셋이다.

실험 결과

연구 질문

• RQ1 단일 라돈 투영이 대규모 X선 영상 데이터셋에서 콘텐츠 기반 영상 검색을 위한 효과적인 전역 특징으로 기능할 수 있는가?
• RQ2 단일 투영만을 사용할 경우 다중 투영 방법보다 검색 정확도와 효율성 측면에서 뛰어나지 않는가?
• RQ3 소규모 후보 집합에 국소 정밀화를 적용하면 복잡한 학습 모델이 필요 없이도 검색 성능을 향상시킬 수 있는가?
• RQ4 실제 의료 영상 데이터에서 비학습 기반 기준 대비 SP-RBC 방법의 오류율 측면에서의 성능 비교는 어떠한가?
• RQ5 라돈 변환의 구조적 민감성이 최소한의 특징 오버헤드로 효과적인 유사도 검색을 가능하게 하는 정도는 어느 정도인가?

주요 결과

• SP-RBC 방법은 IRMA 2009 데이터셋에서 비학습 기반 방법에 비해 상당한 오류율 감소를 달성했다.
• 단일 라돈 투영을 전역 특징으로 사용함으로써 만족스러운 검색 성능를 달성했으며, 기대에 못 미치는 개선을 보이는 다중 투영 방법보다도 뛰어났다.
• 이 방법은 압축된 단일 투영 바코드만으로도 효과적인 검색이 가능하다는 것을 입증했으며, 계산 비용을 줄이면서도 높은 정확도를 유지했다.
• 상위-k로 검색된 이미지에 국소 검색을 적용함으로써 정밀도가 크게 향상되었으며, 이는 이중 단계 검색 전략의 타당성을 입증했다.
• 학습 데이터나 복잡한 특징 학습이 필요 없이도 전통적인 비학습 기반 방법보다 뛰어난 성능을 보였다.
• 결과는 단일 투영을 가진 라돈 바코드가 대규모 의료 영상 검색을 위한 실현 가능하고 효율적이며 확장 가능한 솔루션임을 확인시켰다.