視覚的特徴に基づく NBI 併用拡大画像セグメンテーションのための色相テクスチャ埋め込み領域ベースモデル

Hue-texture-embedded region-based model for magnifying endoscopy with narrow-band imaging image segmentation based on visual features
Xiaoqi Liu, Chengliang Wang , Jianying Bai , Guobin Liao , Yanjun Zhao Computer methods and programs in biomedicine vol.145, pp. 53-66, 2018

“背景と目的:狭帯域光観察(ME-NBI)による拡大内視鏡検査は,ヒトの消化管内の疾患の検出を実現可能と したツールになり,また前がん病変,早期胃がん,進行がんなどの胃がんの病理学的異常を発見することを目的 とし医師によりより適用化される.疾患の検出の信頼性を向上させるために,ME-NBI 画像を効率的に分析およ び処理するためのコンピューター支援手法を適用または提案する必要がある.ただし,従来のコンピュータービ ジョン手法,主にセグメンテーションでは,NBI の持つ特性の視覚特性をうまく表現していない.
手法:本論文では,ME-NBI 画像の特定の視覚特性に基づく 2 つのエネルギー機能アイテムを Chan-Vese モデ ルのフレームワークに統合し,Hue テクスチャ埋め込みモデルを構築した.一方で,H チャネル(HSL 色空 間)で抽出されたグローバルな色情報を表すグローバル色相エネルギー関数が提案された.一方,テクスチャ エネルギーは S チャネルの適応しきい値の PIF によって抽出された局所微小血管テクスチャを提示するために提 唱された.
結果:このモデルの結果は,Chan-Vese モデルおよび F 値と偽陽性率を用いて医師によってマークされた手動 アノテーションと比較された.平均 F 値と FPR の値は,色相テクスチャ埋め込み領域ベースモデルによって 0.61 と 0.16 に達した.そして C-V モデルは,平均 F 値と FPR 値それぞれ 0.52 と 0.32 を達成した.実験により、Hue テクスチャが埋め込まれた領域ベースは、効率、普遍性、病変検出の点で Chan-Vese モデルよりも優れているこ とが示された.
結論:慢性胃炎,腸上皮化生および萎縮,低悪性度新生物,高悪性度新生物および早期胃癌の 5 つのケースで は,従来の領域ベースのアクティブな輪郭と比較して,色相テクスチャが埋め込み領域ベースモデルによって,よ り良いセグメンテーション結果が取得される.将来的には,提案された方法論の普遍性を拡大して粘膜内がんな どの他の病変をセグメント化することを計画している.これらの問題が解決さえすれば,ME-NBI 画像で臨床的 に関連する疾患の分類を進めて,完全自動のコンピューター診断支援システムを実装可能である.”