幼児DTIMR 脳画像のセグメンテーションのためのアトラスベースのアプローチ

ATLAS BASED APPROACH FOR THE SEGMENTATION OF INFANT DTI MR BRAIN IMAGES
2014 IEEE 11th International Symposium on Biomedical Imaging,pp.1255 – 1258, 2014

本論文では,幼児拡散テンソル画像(DTI)からの脳組織(白質および灰白質)の自動セグメンテーションのための新しい適応アトラスベースの手法を提案する.脳画像および所望の領域マップ(脳、脳脊髄液など)は、独立した画像信号および相互依存領域ラベルのジョイントMarkov-Gibbs ランダム場(MGRF)モデルによってモデル化される.提案された共同MGRF モデルは,以下の3 つを説明する:非拡散(b0)スキャンに加えてDTIから推定された6 つのフィーチャの経験的分布を記述する1 次視覚的外観の3D 確率論的アトラス,および空間的に不変な2 次視覚的の3D 確率論的アトラス。推定された各DTI パラメータが独立していると仮定して,3D 確率論的アトラスは,正および負のガウス成分を含む離散ガウス(LCDG)強度モデルの以前に開発された線形結合を使用して正確に近似される.3D 確率論的アトラスは,3D 共整列トレーニングDTI 脳画像のサブセットを使用して学習される.2 次同次性記述子は,解析的に推定されたポテンシャルを用いて、領域ラベルの2 次変換および回転不変MGRF によってモデル化される.提案されたアプローチの精度を確認するために,Dice の類似性,Hausdorff の距離,および絶対的なボリュームの違いのメトリックによって,25 個のDTI 脳画像に関する我々のアプローチに対して5 つの手動で分割された3DDTI 脳画像とテストし,性能を評価した.

畳み込みニューラルネットワークを用いた MRI 画像における脳腫瘍分割

Brain Tumor Segmentation Using Convolutional Neural Networks in MRI Images
IEEE transactions on medical imaging, vol.35, no.5, pp.1240-1251, 2016
20161103_rtamura

脳腫瘍において,神経膠腫は最も一般的で侵攻性が高く,最高レベルの悪性度では余命が非常に短くなる.した がって,治療計画は腫瘍患者の QOL(生活の質)を向上させるための主要段階である.核磁気共鳴画像法(MRI) は,これらの腫瘍を診察するための撮像方法として広く利用されている.しかし,MRI によって撮像される大量 のデータは適切な時間内で手動分割を妨げる.その結果,臨床診療では正確な定量的測定を制限する.そのため, 自動で且つ信頼性のある分割方法が必要とされている.しかしながら,脳腫瘍間の大きな空間と構造的変異は分 割の自動化を困難にさせる.本稿で,我々は 3×3 の小さいカーネルを調査し,Convolutional Neural Network (CNN)に基づいた自動分割手法を提案する.小さいカーネルの使用は,重みの少ないネットワークを構成し,オー バーフィッティングに対する有効な効果がある他に,より深いアーキテクチャを設計することを可能にする.我々 は前処理として明暗度の正規化を用いることも調査した.その正規化は CNN を基にした分割手法では一般的では ないが,データの増加とともに MRI 画像の脳腫瘍分割において非常に有効であることが証明されているためであ る.我々の提案手法は,Dice Similarity Coefficient の測定基準であるコンプリート,コア,エンハンシングの部分 (0.88, 0.83, 0.77)で同時に 1 位を得たことで,脳腫瘍分割チャレンジ 2013(BRATS 2013)のデータベースで正 当性が立証された.また,オンラインの評価プラットフォームによって総合 1 位となった.我々は BRATS2015 の チャレンジにも同じモデルを用いて参加し,Dice Similarity Coefficient の測定基準で同じ部分で 0.78, 0.65, 0.75 で第 2 位となった.

等強度の複数撮像手段における幼児脳画像分割深層畳み込みニューラルネットワーク

Deep convolutional neural networks for multi-modality isointense infant brain image segmentation
NeuroImage, vol.108, pp.214-224, 2016
20161015_ttamaki.pdf

白質 (WM),灰白質 (GM),と脳脊髄液 (CSF) への幼児の脳組織画像の分割は,初期の脳発達における健康と 病気を調べる上で重要な役割を果たす.等強度段階 (生まれて 6 8ヶ月程度) において,白質と灰白質は T1 と T2 の MR 画像ともに同程度の信号強度を示す.そのため,この段階の幼児の脳の組織分割は非常に困難である.ご く少数の既存手法は,この等強度段階の組織分割のために設計されている.しかしながら,これらの既存手法は, T1 または T2 画像のどちらか一方の画像,または T1 と T2 画像の組み合わせのみを用いていた.本稿で,我々は 複数の撮像手段で得られるMR画像を用いて,等強度段階の脳組織を分割するために深層畳み込みニューラルネッ トワーク (CNN) を利用することを提案する.CNN は,訓練可能なフィルタと局所受容野的役割を持つプーリン グ作用は生の入力画像に交互に適用され,結果的に複雑な特徴の階層構造が生じる Deep Learning モデルの一種 である.具体的に,我々は入力として T1 と T2 と異方性比率 (FA) 画像から成る複数の撮像手段の情報を用いて, 出力として分割マップを生成した.複数の中間層には,入力と出力の間の非常に非線形な特徴マップから特徴を 捉えるために,畳み込み,プーリング,正規化やその他の処理を適用した.我々は,我々の提案手法と従来手法の 性能を 1 組の等強度段階の脳画像を手動で分割したものを用いて比較した.結果は,我々の提案手法が従来手法 よりもかなり性能が優れていた.これに加えて,我々の結果は,複数の撮像手段の画像の統合は等強度段階の脳 画像の分割の大きな性能向上につながることを示した.

カラー画像を用いたアスパラガスの分類

Classification of processing asparagus sections using color images
Computers and Electronics in Agriculture, vol. 127, pp. 236-241, 2016
20160803 ntanaka

最終的な製品における片比を防ぐためのアスパラガスの部分を正確に分類する事は加工産業において非常に重 要である.従って,アスパラガスは切断処理の行った後,先端部分と幹部分に識別する技術の開発が求められて いる.本稿では,tip,mid-stem,bottom-stemの三つのクラスに分類するコンピュータビジョンを用いた手法を 提案する.フラットパネルスキャナを用いて,3クラスに分類する50mmの長さのアスパラガスから955色の画 像を抽出した.前処理の後,合計1931色とテクスチャ及び幾何学的特徴は,各色画像から抽出した.最も関連性 が高い特徴量は,選択アルゴリズムを用いて抽出した.4分割のクロスバリデーションの精度が90.2%(±2.2%) であったことから,43の特徴量がニューラルネットワークにおいて有効であることが示された.結果として,こ の手法はアスパラガスのtip,mid-stem,bottom-stemの識別を行うための,正確で信頼性が高く,客観的なツー ルである事,また,仕分けシステムをインライン化するために適用できる可能性がある事が示された.

color-alone特徴量を用いた教師なし画像セグメンテーションのための新しい四分位領域統合アルゴリズム

New quartile-based region merging algorithm for unsupervised image segmentation using color-alone feature
Neurocomputing, vol. 342, pp. 24-36, 2016
20160629 ntanaka

この研究では,画像領域分割問題とシステムの複雑さを低減するためのcolor-alone特徴量に関して議論する. 色に関する数学的モルフォロジーに基づいて,隣接する領域間の類似度はランキング問題の解として得られる.色 やセグメンテーションの誤りを回避するため,ベクトル化手法の代わりにハイブリッドな手法を用いた.黒をピ クセル値を分類する基準色として使用する手法は,距離測定の範囲が最適ではないというような問題に直面して いる.この問題の解決のため,我々は,包括的な基準色を選択する機構を提案する.また,色ベクトルの次数を 決定すため,ユークリッド距離の代わりにHSVの強さの度合いを基準とした距離を用いた.上記の手法は人間の 視覚と一致したセグメンテーションを行う事ができる.四分位解析は,領域統合のための閾値の決定がより背景 の変化に対する影響が少ない事を示す.アルゴリズムを評価するために,実験的に2つの典型的なセグメンテー ション機構を4つの定量的指標において比較した.

水中画像での半自動画像セグメンテーションを使用した,サンゴ のコロニーの平均領域のフィールド測定

Methods and measurement variance for eld estimations of coral colony planar area using  underwater
photographs and semi-automated image segmentation
Environmental monitoring and assessment, vol.187, No.8, pp.1-11, 2015
20151111 ygoto

サンゴのコロニーのサイズと成長率は,サンゴ群衆を理解するために最も重要なパラメータである.複数年にわたってサンゴのコロニーサイズの変化を測定することは,サンゴの人口統計,成長,死亡パターンを明らかにすることができる.また,コミュニティサイズの構造を記述していくことは,人口動態パターンを明らかにすることもできる.三次元水中デジタル再構成法は,現在の多数のコロニーを計測するのに実用的ではない.しかし,迅速かつ非侵襲でサンゴコロニーのサイズを測定することは極めて困難である.ここでは,フレーミングシステムおよび半自動画像セグメンテーション分析プログラムを使用して,中規模のサンゴ群の平面領域推定をするための測定分散を行う.この方法で,時間の経過でのコロニーサイズの変化を推測する.

隠れマルコフガウシアン混合モデルを用いた画像領域分割

Image Segmentation Using Hidden Markov Gauss Mixture Models
IEEE Transactions on Image Processing, Vol. 16, No. 7, pp.1902-1911, 2007

画像領域分割は画像処理における重要なツールであり,洗練されたアルゴリズムへの効率的なフロントエンドとして機能し,それによりその後の処理を簡素化することができる.我々は隠れマルコフガウス混合モデル(HMGMMs)を使用したマルチクラスの画像領域分割方法を開発し,航空画像やテクスチャの領域分割の例を示す.HMGMMsは,最小判別情報量(MDI)の歪みのベクトル量子化を用いて推定されたガウス混合によりそれぞれクラスが与えられた観測確率分布を当てはめる教師あり学習を組み込む.我々は最大事後確立を用いて画像領域分割問題を定式化し,観察により与えられた事後密度を最大化する隠れ状態を見つける.我々は確率的EMアルゴリズムを用いて隠れマルコフパラメータと隠れ状態の両方を推定する.我々の結果は分類木や回帰木,学習ベクトル量子化,因果隠れマルコフモデル(HMMs),多重解像度HMMsなど一般的な方法と比べて,ベイズリスクや分類される物体の空間的均一性という点でHMGMMがより良い分類結果を示した.HMGMMの計算負荷は因果HMMと同程度である.

20150615 hayashinuma

正規化カットを用いた消化器画像の領域分割における視覚的な特徴の影響

pdf

Impact of Visual Features on the Segmentation of
Gastroenterology Images Using Normalized Cuts

IEEE Transactions on Biomedical Engineering, Vol. 60, No. 5, pp.1191{1201, May 2013

消化器イメージングは患者の消化器癌を検出するために重要なツールである.コンピュータ支援診断は検出精度
を上げることが望まれている.しかし,従来のコンピュータビジョンの手法,主にセグメンテーションは消化器画
像の特定の視覚的な特徴をうまく抽出することはできない.本論文では,2 つの異なった装置及び臓器(胃や食道
の色素内視鏡画像またはNBI 内視鏡画像)の消化器画像のセグメンテーションのための手法を提案する.我々は
142 枚のCH と224 枚の画像データセットに対して正規化カットセグメンテーションを様々な特徴量(edgemaps,
creaseness,color)を個別または組み合わせて使用する.実験では正規化カットでedgmaps とcreaseness の組み
合わせが最も良いセグメンテーションの結果が得られた.

映像内の自己組織化:画像分割,知覚グループ化,画像データベース編成のための確率的クラスタリング

我々は,要素のペアワイズ類似性を使用して確率的クラスタリングアルゴリズムを提示し,それが低レベルの画像分割,中間レベルの知覚グループ化,および高レベルの画像データベースの構成を含むコンピュータビジョンにおける様々な問題に対処するために使用することができる方法を示す.クラスタリング問題は,ノードがデータ要素を表し,エッジの重みは,ペアワイズ類似性を表すグラフ分割問題として見られる.我々は,Kargerの短縮アルゴリズム(1996)の使用により,このグラフの切れ目のサンプルを生成し,クラスタリング問題の解決策のために基礎を提供する「平均」な切れ目を計算する.提案手法の確率的性質は,偶発的なエッジや小さなスプリアスクラスタを含む,ノイズに対して堅牢になる.我々のアルゴリズムの複雑性は非常に低い.さらに,追加計算コストなしに,我々のアルゴリズムは,ネストされたパーティションの階層を提供します.我々はいくつかの合成画像と実画像,白黒とカラーの両方で画像分割のための手法の優位性を実証する.私達の他の例としては,雑然としたシーンにおけるエッジの連結(知覚的グルーピング)と多視点3次元物体認識を目的とした画像データベースの構成を含む.

pdf