평균 형상 모델과 SIFT 특징을 이용한 TRUS 영상의 전립선 분할

Abstract

전립선암은 남자에게 가장 흔히 나타나는 암 중의 하나이며, 많은 나라에서 죽음에 이르게 하는 큰 요인이 되고 있다. 전립선암을 진단하고 치료하는 과정에서 비용이 싼 TRUS 영상이 사용된다. 그러나 전립선 경계의 정확한 구분이 요구되지만 어려운 문제이다. 그 이유는 경계가 불명확하고, 반점들이 많으며, 그레이 레벨의 범위가 작기 때문이다. 본 연구에서는 전립선의 평균 형상 모델과 불변의 특징을 이용하여 TRUS 영상에서 자동으로 전립선 분할하는 방법을 제안한다. 이 방법은 4 단계로 구성된다. 먼저, 에지 분포를 이용하여 프로브와 두개의 직선을 찾아낸다. 다음으로, 평균 형상 모델의 중앙에 위치한 3개의 전립선 패치를 획득한다. 이 패치는 전립선과 비전립선의 특징을 비교하기 위해 사용된다. 다음으로, 세 개의 패치와 각 블록들이 얼마나 대표 블록과 유사한지를 비교한다. 마지막으로, 앞 단계의 경계와 첫 단계에서 얻은 개략적 경계가 최종 분할에 사용된다. 이 방법의 유효성을 검증하기 위하여 실험을 하였으며, 인간 전문가에 의해 얻어진 경계와 비교하여 7.78% 미만의 차이로 경계를 얻을 수 있었다. Prostate cancer is one of the most frequent cancers in men and is a major cause of mortality in the most of countries. In many diagnostic and treatment procedures for prostate disease, transrectal ultrasound(TRUS) images are being used because the cost is low. But, accurate detection of prostate boundaries is a challenging and difficult task due to weak prostate boundaries, speckle noises and the short range of gray levels. This paper proposes a method for automatic prostate segmentation in TRUS images using its average shape model and invariant features. This approach consists of 4 steps. First, it detects the probe position and the two straight lines connected to the probe using edge distribution. Next, it acquires 3 prostate patches which are in the middle of average model. The patches will be used to compare the features of prostate and nonprostate. Next, it compares and classifies which blocks are similar to 3 representative patches. Last, the boundaries from prior classification and the rough boundaries from first step are used to determine the segmentation. A number of experiments are conducted to validate this method and results showed that this new approach extracted the prostate boundary with less than 7.78% relative to boundary provided manually by experts.