[论文解读] Tumour ROI Estimation in Ultrasound Images via Radon Barcodes in Patients with Locally Advanced Breast Cancer

Hamid R. Tizhoosh, Mehrdad J. Gangeh+2 more|arXiv (Cornell University)|Feb 8, 2016

AI in cancer detection参考文献 17被引用 4

一句话总结

本文提出了一种半自动方法，利用拉东条形码（Radon barcodes）在局部晚期乳腺癌（LABC）患者超声B模式图像中估计肿瘤感兴趣区域（ROI）。通过利用源自全局和局部拉东变换的内容基条形码，该方法在数据库中识别相似病例，以估计肿瘤周围的边界框，其留一法验证的准确率达到81%，显著减少了人工分割的工作量。

ABSTRACT

Quantitative ultrasound (QUS) methods provide a promising framework that can non-invasively and inexpensively be used to predict or assess the tumour response to cancer treatment. The first step in using the QUS methods is to select a region of interest (ROI) inside the tumour in ultrasound images. Manual segmentation, however, is very time consuming and tedious. In this paper, a semi-automated approach will be proposed to roughly localize an ROI for a tumour in ultrasound images of patients with locally advanced breast cancer (LABC). Content-based barcodes, a recently introduced binary descriptor based on Radon transform, were used in order to find similar cases and estimate a bounding box surrounding the tumour. Experiments with 33 B-scan images resulted in promising results with an accuracy of $81\%$.

研究动机与目标

• 解决局部晚期乳腺癌（LABC）患者超声B模式图像中肿瘤感兴趣区域（ROI）手动分割耗时且繁琐的问题。
• 开发一种快速、半自动的粗略肿瘤定位方法，避免因低对比度和边界模糊而难以实现的完整轮廓提取。
• 评估将拉东条形码作为内容基图像描述符用于超声影像中ROI估计的可行性。
• 为后续定量超声（QUS）分析（如组织表征和治疗反应预测）提供高效预处理。
• 减少对专家手动勾画的依赖，后者在大型研究中（尤其是3D ABUS成像）可能耗时数天。

提出的方法

• 该方法使用基于拉东变换的内容基拉东条形码——一种从拉东变换中提取的二值描述符——来表示图像的整体内容和局部肿瘤ROI区域。
• 对于每个真实标注图像，生成两个条形码：用于整幅图像的全局条形码和用于肿瘤边界框的局部条形码。
• 查询图像通过用户提供的中心点点击来定义一个固定大小的ROI，随后提取其自身的全局和局部条形码。
• 通过在全局和局部条形码上使用汉明距离计算查询图像与训练图像之间的相似性，并将两者结合形成总差异度量。
• 选取与查询图像最相似的前M个训练案例，并根据其逆相似度（使用公式5）对它们的边界框坐标进行加权，以计算融合后的估计ROI（公式4）。
• 最终通过计算估计ROI与真实标注边界框之间的Dice系数来评估准确率。

实验结果

研究问题

• RQ1 拉东条形码能否在肿瘤ROI估计背景下，有效表示超声图像中的肿瘤外观，以支持基于内容的图像检索？
• RQ2 与专家标注的真实边界框相比，使用拉东条形码的半自动方法在低对比度、噪声较大的超声图像中估计肿瘤边界框的准确度如何？
• RQ3 用户输入（中心点点击）在多大程度上影响估计ROI的准确度？该方法对输入位置的小幅变化有多大的鲁棒性？
• RQ4 该方法能否显著减少在基于QUS的癌症治疗反应监测与预测研究中ROI选择所需的时间和精力？
• RQ5 在超声影像中进行肿瘤定位时，全局与局部拉东条形码的组合是否比单独使用任一描述符更有效？

主要发现

• 在33例LABC患者B超切片图像的留一法验证中，该方法的平均Dice相似系数达到81% ± 14%。
• 只要用户提供的中心点位于真实肿瘤中心附近，该方法对用户输入中心点的小幅变化表现出良好的鲁棒性。
• 结合使用全局与局部拉东条形码相比单独使用任一描述符，均能提高定位准确度，该结论已通过联合相似度度量得到验证。
• 该方法显著减少了ROI选择的人工工作量——在大规模研究中可能将数天的工作量减少为快速半自动替代完整人工分割。
• 该方法计算效率高且可扩展，因其依赖于二进制条形码比较，而非复杂的图像配准或深度学习推理。
• 结果表明，该方法在乳腺癌治疗预测与组织表征的QUS流程中具有很强的集成潜力。