【阅读笔记】肿瘤分割

本文记录了博主阅读肿瘤分割相关论文的笔记。更新于2019.07.01。

《Cost-Effective Active Learning for Melanoma Segmentation》

本文提出了用于在有限训练数据下实现医学图像的语义分割算法。论文，代码。

Motivation

在医学诊断中，专家的决定是重要因素之一。医学诊断有时是非常耗时且无趣的，这种情况会导致部分诊断的错误。尽管深度学习在诊断上产生了不错的效果，但是其依赖大量的数据库，这对于医学领域而言是一个非常严重的障碍，因为在本领域下，专业、高精度的标注代价是非常高昂的。

主动学习（active learning，AL）能够减少选择的工作量（从大量未标注图片中选择一个能够提供信息的子集），所选择的候选被标注后会顺序送入训练集。

主要贡献;

• 用CNN和Cost-Effective Active Learning method构建并训练了一个用于医学图像语义分割的模型；
• 基于网络固有分布的蒙特卡洛dropout（Monte Carlo Dropout）实现医学图像信息推理。

Related work

Cost-Effective Active Learning (CEAL) algorithm

传统Active Learning方法只关注信息最多和最有描述性的样本，而Cost-Effective方法则能够自动选取和伪标注未标注的样本。

CNN’s for Image Segmentation: U-Net architecture

《Melanoma: A Review On Various Segmentation Techniques》

论文。

Abstract

本文介绍了多种自动肿瘤检测的算法。医学图像处理用于医学诊断是一种无创技术。为了在早期检查皮肤癌从而避免不必要的活体检查（穿刺），皮肤肿瘤的数字图像检测技术应运而生。本文介绍了不同的恶性肿瘤（malignant melanoma）分割方法。在算法应用中，小波网络（wavelet network）对于皮肤癌图片的检测效果更好。

Introduction

Segmentation

Thresholding based Segmentation

基于阈值的分割是最简单的，将灰度图像转换成二值图像。然而，这种方法对于皮肤镜图像生成的结果不连续，其主要原因是对比度低、病变与皮肤之间变化平滑。

Region-Based Segmentation

这种方法里，图像被基于图像中的共同性质区分或聚类成小区域。总体而言，由于皮肤病变颜色和纹理的多样性，实施起来很困难。

Edge Based Segmentation

这种技术判断一个像素是否属于边缘。这种方法尽管简单，但是从病变区域到正常皮肤之间的表面是平滑的，从而导致应用困难。此外，这种方法容易受到噪声的影响（比如毛发、皮肤纹理、气泡等），从而导致收敛在噪声点周围而产生错误的分割结果。

Clustering based Segmentation

这种方法对灰度图像或将其扩展至高维应用聚类，通常利用了特征空间的同类特征划分。

Existing Algorithms

Thresholding Algorithm

H Gangster在这篇文章中提出了基于阈值的肿瘤识别分割技术。阈值分割可以细分为全局阈值分割和适应（局部）阈值分割。全局阈值对整幅图像应用一个阈值。这是一个迭代过程，将所有像素的均值作为阈值得到区域划分，再对新划分出来的区域计算均值并应用该均值作为新的阈值。迭代过程持续到对于每个子区域，新的阈值与旧阈值相比差距很小。局部阈值则对每个子区域应用不同的阈值。阈值分割的输出是一个二值图像。

这种方法对于前背景对比度大且没有尖峰的图像效果不错，且不需要图像的任何先验知识。然而，对于图片中的重叠区域则表现不好。

K Means Clustering

MacQueen等人提出的K均值方法通过某种距离度量将像素点进行聚类，其目的是最小化质心与像素点之间的距离。聚类的个数由图像的先验知识决定。最开始，所有像素点距离所有质心的距离都被计算。计算距离后，像素会被分配给距其最近的质心，从而获得新的质心。这个过程不断迭代，知道所有的点都被分配给了距离其最近的质心且质心的值不再改变。K means方法容易编程且计算容易，但是对于初始化的聚类选择敏感。

Fuzzy C Means clustering

Statistical Region Merging

Active Contour Models

Fuzzy-Based Split and Merge Algorithm (FBSM)

Iterative Thresholding

Ostu’s Algorithm

Wavelet Network Method

更多内容，欢迎加入分割星球进一步讨论。