胸部CTにおけるすりガラス状結節陰影の自動検出に向けた肺野領域内画素の識別に関する初期的検討

摘要

本研究では，GGO結節候補領域抽出のための画素識別の様々な手法について検討を行った.実験的に性能を検証する識別器は，2種類の1クラス識別器(Mahalanobis距離の閾値処理，Isomapで学習された多様体への写像の際の残差ノルム閾値処理)と2種類の2クラス識別器(Mahalanobis距離比の閾値処理，AdaBoostによる識別器アンサンブル)である.それぞれ単独の識別性能に加え，1クラス識別器と2クラス識別器の組合せ4通りによる2段階のカスケード識別処理についても実験的に検証した.その結果，2段階のカスケード識別を導入することで，良好なGGO結節候補領域の抽出結果を得ることができる見通しを得た.%In this study, we examine various voxel classification methods for auto-extracting ground glass opacity (GGO) nodule candidates. Classifiers evaluating experimentally are two types of one-class classifier (threshold functions of a Mahalanobis distance and a norm of residue by embedding in a manifold trained by Isomap), and two kinds of two-class classifier (a threshold function of Mahalanobis distance ratio and a classifier ensemble trained by AdaBoost). In addition to evaluate the classifiers individually, four cascade classifiers each of which are combination of an initial rejection by the one-class classifier and a following classification by the two-class classifier are also validated experimentally. The evaluation results show the cascade classifier has a potential for providing the voxel classification results to extract GGO nodule candidates with high performance.