Endometrial regions gives useful information to gynecologist for diagnosing or examining uterine, endometrium, and adnexal pathologies. To detect the endometrial lesions on TVUS, generally manual segmentation method is needed. It is labor-intensive and time-consuming. Moreover, delineating the border of endometrial region might be different from doctor to doctor due to the unclearness of boundary of TVUS image. Therefore, the automated and consistent guidance of finding endometrial region is beneficial. However, automated segmentation of endometrium is very challenging due to unclear boundary and heterogeneous texture. To tackle these issues, we propose a discriminator guided by endometrium key-point maps. The discriminator distinguishes a prediction map from a ground-truth segmentation map based on the key-point maps. The endometrium segmentation network strives to deceive the discriminator. In this adversarial way, the segmentation network can accurately find the boundary. Experimental results verify the performance of the proposed method on Samsung Medison dataset of the sagittal transvaginal ultrasound images.
부인과에서는 자궁 경질 초음파 영상을 기반으로 여성의 생식 기관인 자궁, 자궁 내막의 질병들을 진단하거나 검사한다. 현재 자궁 내막 영역의 분할은 의사의 전문적 지식을 기반으로 직접 경계를 판단한다. 하지만, 자궁 내막의 경계가 모호하기 때문에 자궁 내막 경계를 의사들도 서로 다른 크기로 그리기도 하며 시간이 오래 걸린다. 따라서, 보다 일관적이고 자동화된 자궁 내막 가이드는 의사들이 자궁내막의 영역을 정확히 찾는데 도움이 된다. 하지만, 분할 할 영역의 경계가 모호하고 텍스쳐가 비균질하여 내막 분할 문제는 도전적이다. 이를 해결하기 위해 자궁 내막 경계 위의 4개의 키포인트 정보를 활용한 키포인트 판별자를 고안했다. 이 키포인트 판별자는 자궁 내막 분할이 키포인트와 일치하는지를 기준으로 예측된 분할 결과와 정답 분할 영역을 구분한다. 이에 적대적으로 내막 분할 네트워크는 키포인트 판별자를 속이도록 학습함으로 정확하게 자궁 내막 영역을 예측하게 된다. 삼성 메디슨과의 협업으로 3 병원에서 획득한 데이터를 이용한 실험에서 제안하는 자궁 내막 분할 알고리즘의 성능을 검증하였다.
