[ 의료영상 ] Medical Image Segmentation (1.Thresholding Method)

MOOC 강좌 '컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석' 강의를 리뷰 및 정리한 게시물입니다.

 

Virupakshappa, & Amarapur, B. (2017). Post processing Preprocessing Skull Stripping Histogram Equalization Level Set Segmentation Region Localization Extracted Region Image Acquisition Dynamic Thresholding.

Segmentation이란, 영상을 분할하는 작업으로 시간 간격을 두고 촬영한 영상을 비교하는 Longitudinal Study를 비롯한 다양한 연구에서 활용된다. 현재 진행하고 있는 프로젝트에서도 ROI Cropping 전에 3D TOF MRA 영상에서 Skull Stripping 즉, Brain Extraction 과정을 선제적으로 진행하였다. 예를 들어, Axial Plane에서 관찰하고 싶은 Organ이나 이상 영역을 Segmentation 하는 작업은 진단을 할 때 그 판단 기준이 될 수 있다는 점에서 중요하다.

이를 위한 다양한 기법이 제안되었다.

 

https://dgist.edwith.org/medical-20200327/lecture/63149?isDesc=false

---

1. Thresholding Method

가장 기본적이고 간단한 방법이다. 특정 값을 정하여 해당 값보다 크거나 작은 부분을 뽑아낸다는 개념.

우측 이미지에서 밝은(픽셀값이 255에 가까운) Spine 부분을 추출하고 싶다면 픽셀 값이 200이 넘는 값만 남기는 식으로 간단하게 Segmentation을 진행할 수 있다.

for i = 1 : n
	if voxel(i) > threshold :
    	x(i) = 1
    else
    	x(i) = 0

https://dgist.edwith.org/medical-20200327/lecture/63150?isDesc=false

Threshold 값을 어떻게 정의하느냐에 따라 결과가 달라질 것이다.

대체로 원하는 부분의 색을 보고 Manual하게 정하곤 하는데

이를 자동으로 정해주고 싶을 때 사용되는 방법으로 'Otsu Thresholding' 이 있다.

그 아이디어는 다음과 같다.

https://dgist.edwith.org/medical-20200327/lecture/63150?isDesc=false / 자필 필기

하지만 최소화 할 class 내 분산값을 각각 계산하기에 시간이 많이 소요되므로 

class 사이 분산값을 최대화하는 방향으로 발상을 전환한다.

식이 복잡한데 한 줄 씩 읽어보면 또 그렇지도 않다. 다음 필기를 참고하자.

자필 필기

평균만 구하고, Weight 개수까지만 구하면 계산이 가능하니 그 최댓값을 찾는 방식이다.

강의자료에 깔끔하게 수식이 정리되어 있었다.

https://dgist.edwith.org/medical-20200327/lecture/63150?isDesc=false

Thresholding Method 는 그 방식이 간단하여 이해하기도 좋지만

그 Output이 우리가 원하는 부분만 정확하게 추출하기에는 한계가 있다.

다른 방법들은 To be continued.