[論文レビュー] Segmenting Dermoscopic Images

Mario Rosario Guarracino, Lucia Maddalena|arXiv (Cornell University)|Mar 9, 2017

Cutaneous Melanoma Detection and Management参考文献 7被引用数 4

ひとこと要約

本稿では、ドレームスコピック画像における皮膚腫瘍の完全自動分離を目的として、3段階のプロセスである領域（ROI）選択（HSB値帯とボトムハットフィルタリングを用い）、正規化赤（Rnorm）とHSB値帯の間で適応的に選択された帯を用いた分離、およびOtsuのしきい値処理に続く凸包計算を組み合わせたSDIアルゴリズムを提案する。この手法はISIC 2017データセットにおいて、最適なバンド選択に依存するが、頑健な腫瘍分離を達成している。一方、定規やインクマーカーなどの複雑なアーティファクトの処理には限界がある。

ABSTRACT

We propose an automatic algorithm, named SDI, for the segmentation of skin lesions in dermoscopic images, articulated into three main steps: selection of the image ROI, selection of the segmentation band, and segmentation. We present extensive experimental results achieved by the SDI algorithm on the lesion segmentation dataset made available for the ISIC 2017 challenge on Skin Lesion Analysis Towards Melanoma Detection, highlighting its advantages and disadvantages.

研究の動機と目的

• 手動または準自動手法への依存を減らすために、皮膚腫瘍のドレームスコピック画像における完全自動的かつ客観的な分離手法の開発を目的とする。
• 主観的要因や照明の影響を最小限に抑えることで、分離の正確性と一貫性を向上させることを目的とする。
• ISIC 2017チャレンジデータセットを用いて、多様な画像条件下での頑健性を評価することを目的とする。
• 特に定規やインクマーカーなどのアーティファクトに起因する現在の分離性能の限界を特定することを目的とする。
• 将来的な自動皮膚腫瘍解析システムの改善の基盤を提供することを目的とする。

提案手法

• アルゴリズムはまず、HSB値帯を用いて画像のROIを特定し、暗い縁や隅を除外する。さらに、赤成分にボトムハットフィルタを適用して髪の毛を除去する。
• 最適な分離に適した2つの候補色帯（RGB空間における正規化赤（Rnorm）とHSB値（V）帯）を評価し、皮膚と腫瘍のコントラストがより高い方を採用する。
• 選択された帯に対してOtsuアルゴリズムを適用し、皮膚画素と腫瘍画素のクラス内分散を最小化する最適なしきい値を計算する。
• 腫瘍は、二値マスクにおける最大連結成分として特定され、画像に腫瘍が支配的であるという仮定に基づく。
• 最終的な分離は、最大連結成分の凸包を計算することで得られ、これは原始的な分離結果よりも正解の輪郭に近い形状を再現する。
• 本手法は画像ごとに最適な分離バンドを動的に選択するため、照明状態や腫瘍の外観の変化に適応可能である。

実験結果

リサーチクエスチョン

• RQ1 完全自動分離手法は、人為的介入を減らすことで、準自動手法を上回る性能を示せるか？
• RQ2 正規化赤（Rnorm）とHSB値（V）のどちらの色彩空間表現が、多様なドレームスコピック画像においてより頑健な腫瘍分離を実現するか？
• RQ3 分離バンドの選択が、不均一な照明下でも腫瘍境界検出の正確性にどのように影響を与えるか？
• RQ4 定規やインクマーカーなどのアーティファクトが、SDIアルゴリズムの分離性能に及ぼす影響の程度はどの程度か？
• RQ5 凸包後処理を適用することで、皮膚科医がアノテートした正解マスクとの一致度が、原始的な連結成分分離と比較して向上するか？

主な発見

• SDIアルゴリズムは、ISIC 2017データセットにおいて、画像ごとに最適な分離バンド（RnormまたはV）を選択することで、正確な腫瘍分離を達成している。
• 正規化赤帯（Rnorm）は、不均一な照明の影響を効果的に低減し、明るい領域や影の入った領域でも一貫性のある分離結果を生み出している。
• HSB値帯（V）は、明るさのコントラストは高いが彩度が低い状況で優れた性能を示し、特にRnormが腫瘍を区別できない場合に有効である。
• 凸包後処理ステップにより、画像122の例で示されるように、多くの場合で正解マスクとの一致度が向上している。
• 強力な性能を発揮しているものの、二値化段階で大きな非腫瘍連結成分が選択される場合、画像14575の例で示されるように、しきい値設定の不適切さにより失敗することがある。
• 定規やインクマーカーなどのアーティファクトは、初期分離段階で誤って含められ、画像12272の例で示されるように、最終的な凸包で過大評価を引き起こすことがある。