胸部X線写真における結核の解析をキーポイント機能のバッグを用いてコンピュータ診断のために行った

Analysis of Tuberculosis in Chest Radiographs for Computerized Diagnosis using Bag of Keypoint Features.

• Satyavratan Govindarajan
• Ramakrishnan Swaminathan

抄録

胸部X線撮影は、結核（TB）の早期診断に最も好まれる非侵襲的な画像技術である。しかし、結核の検出に関する放射線学的専門知識が不足しているため、胸部X線撮影（CXR）による無差別スクリーニングが行われている。CXRを用いて結核の微妙な特徴を検出するためには、局所画像の記述に基づく適度な分類法が強く推奨されている。本研究では，Speeded-Up Robust Feature (SURF)記述子を用いたBag of Features (BoF)アプローチを用いて，正常画像と結核のCXR画像を分類する試みを行った．画像は公開データベースから取得した。肺野のセグメンテーションは、距離正則化レベルセット（Distance Regularized Level Set: DRLS）定式化を用いて行われる。セグメンテーションの結果は、類似度、オーバーラップおよび面積相関測定を用いて、地上真実画像に対して検証される。多層パーセプトロン(MLP)分類器を用いて画像を分類するために、SURFキーポイント記述子を用いたBoFアプローチが実装されている。得られた結果から，DRLS法はCXR画像から肺野を抽出できることが示された．SURFキーポイント記述子を用いたBoFは、正常画像とTB画像の局所属性を特徴づけることができる。セグメンテーションの結果は，基底真理値と高い相関があることがわかった．MLP分類器は、正常画像と異常画像の間で、それぞれ87.7％、85.9％、87.8％、87.6％、94％という高いRecall, Specificity (Spec)、Accuracy (Accuracy)、F-score (F-score)、AUC (Area Under the Curve)値を提供することがわかった。提案されたコンピュータ支援診断アプローチは、既存の方法と比較してより良いパフォーマンスを発揮することがわかりました。このように、本研究は、資源に制約のある地域の医師の診療現場において、大きな助けとなることが期待される。

Chest radiography is the most preferred non-invasive imaging technique for early diagnosis of Tuberculosis (TB). However, lack of radiological expertise in TB detection leads to indiscriminate chest radiograph (CXR) screening. A modest classification approach based on the local image description to detect subtle characteristics of TB using CXRs is highly recommended. In this work, an attempt has been made to classify normal and TB CXR images using Bag of Features (BoF) approach with Speeded-Up Robust Feature (SURF) descriptor. The images are obtained from a public database. Lung fields segmentation is performed using Distance Regularized Level Set (DRLS) formulation. The results of segmentation are validated against the ground truth images using similarity, overlap and area correlation measures. BoF approach with SURF keypoint descriptors is implemented to categorize the images using Multilayer Perceptron (MLP) classifier. The obtained results demonstrate that the DRLS method is able to delineate lung fields from CXR images. The BoF with SURF keypoint descriptor is able to characterize local attributes of normal and TB images. The segmentation results are found to be in high correlation with ground truth. MLP classifier is found to provide high Recall, Specificity (Spec), Accuracy, F-score and Area Under the Curve (AUC) values of 87.7%, 85.9%, 87.8%, 87.6% and 94% respectively between normal and abnormal images. The proposed computer aided diagnostic approach is found to perform better as compared to the existing methods. Thus, the study can be of significant assistance to physicians at the point of care in resource constrained regions.