Lung Segmentation Considering Global and Local Properties in Chest X-ray Images

In this paper, we propose a new lung segmentation method for chest x-ray images which can take both global and local properties into account. Firstly, the initial lung segmentation is computed by applying the active shape model (ASM) which keeps the shape of deformable model from the pre-learned model and searches the image boundaries. At the second segmentation stage, we also applied the localizing region-based active contour model (LRACM) for correcting various regional errors in the initial segmentation. Finally, to measure the similarities, we calculated the Dice coefficient of the segmented area using each semiautomatic method with the result of the manually segmented area by a radiologist. The comparison experiments were performed using 5 lung x-ray images. In our experiment, the Dice coefficient with manually segmented area was $95.33%{\pm}0.93%$ for the proposed method. Effective segmentation methods will be essential for the development of computer-aided diagnosis systems for a more accurate early diagnosis and prognosis regarding lung cancer in chest x-ray images.

흉부 X선 영상에서의 전역 및 지역 특성을 고려한 폐 영역 분할 연구

본 논문은 흉부 X-선 기반으로 전역적 특성을 고려한 1차 영역 분할과 지역적 특성을 고려한 2차 영역 분할을 결합한 폐 영역 분할 방법을 제안한다. 1차 영역 분할은 랜드마크 기반의 학습 데이터를 사용하여 생성한 모델을 기반으로 일정 형태를 유지하며 경계선을 탐색하는 능동 형태 모델을 적용하였다. 2차 영역 분할은 국부 영역에 대하여 에너지를 산출하고 에너지가 최소가 되는 윤곽선을 탐색하는 국부 영역 기반 윤곽 모델을 사용하였다. 마지막으로 정확도를 평가하기 위해 5장의 영상을 전문가가 수동으로 분할한 영역과 제안한 방법을 통해 분할된 영역의 결과에 대한 다이스 계수를 계산하였으며, 유사도는 $95.33%{\pm}0.93%$로 나타났다. 효과적인 영상 분할 방법은 흉부 x-ray 영상에서 더 정확한 초기 진단과 예후 추정을 위한 컴퓨터 보조 진단 시스템의 개발에 필수적인 요소가 될 것으로 기대한다.