[論文レビュー] 3D segmentation of mandible from multisectional CT scans by convolutional neural networks

Bingjiang Qiu, Jiapan Guo+4 more|arXiv (Cornell University)|Sep 18, 2018

Dental Radiography and Imaging参考文献 16被引用数 6

ひとこと要約

本論文では、軸状、冠状、矢状CT断層を別々に処理し、2次元セグメンテーションを統合して3次元モデルを生成するU-Netベースの畳み込みニューラルネットワークを用いた3次元下顎セグメンテーション手法を提案する。11例の患者スキャンにおいて平均Dice係数0.89を達成し、顔顔面外科学における3次元手術計画において高い正確性と頑健性を示した。

ABSTRACT

Segmentation of mandibles in CT scans during virtual surgical planning is crucial for 3D surgical planning in order to obtain a detailed surface representation of the patients bone. Automatic segmentation of mandibles in CT scans is a challenging task due to large variation in their shape and size between individuals. In order to address this challenge we propose a convolutional neural network approach for mandible segmentation in CT scans by considering the continuum of anatomical structures through different planes. The proposed convolutional neural network adopts the architecture of the U-Net and then combines the resulting 2D segmentations from three different planes into a 3D segmentation. We implement such a segmentation approach on 11 neck CT scans and then evaluate the performance. We achieve an average dice coefficient of $ 0.89 $ on two testing mandible segmentation. Experimental results show that our proposed approach for mandible segmentation in CT scans exhibits high accuracy.

研究の動機と目的

• 3次元手術計画のためのCTスキャンにおける下顎セグメンテーションの手作業による時間食いの課題に対処すること。
• 異なる画像平面をまたがる解剖学的連続性を保持する自動的でディープラーニングベースの手法を開発すること。
• 3次元ボリュームセグメンテーションにおけるメモリ制限と空間的文脈の損失を、統合された2次元スライス処理と融合によって克服すること。
• 臨床的頸部CTデータ上でマルチプレーンCNNアプローチの性能を評価すること。
• 頭蓋顔面腫瘍摘出術および再建術における仮想手術計画のための正確で再現性のある3次元下顎再構築を可能にすること。

提案手法

• 本手法は、それぞれ軸状、冠状、矢状CT断層を処理する3つの別個のU-Netアーキテクチャを採用する。
• 各2次元U-Netは、個々のスライス上で下顎のピクセル単位のセグメンテーションマスクを予測するように学習する。
• 3つの平面からの2次元セグメンテーション出力を投票ベースの戦略を用いて統合し、一貫性のある3次元セグメンテーションボリュームを生成する。
• ネットワークは、ゼロパディングを伴う3×3畳み込み層とReLU活性化関数を用い、その後にバッチ正規化とマックスプーリングを適用する。
• 学習率1×10⁻⁵を用いたAdam最適化法を採用し、モデルは元サイズのCT画像上でエンドツーエンドに学習する。
• 最終的な3次元モデルは、3次元可視化ソフトウェア（Materialise Mimics）を用いて、3つの平面からの2次元セグメンテーションをスタックおよびアライメントすることで再構築する。

実験結果

リサーチクエスチョン

• RQ1 2次元U-Netベースのアプローチは、直交CT断層間で下顎の3次元解剖学的連続性を効果的に捉えることができるか？
• RQ2 軸状、冠状、矢状視点からの2次元セグメンテーションを統合することで、単一平面処理に比べて3次元セグメンテーションの正確性が向上するか？
• RQ3 3次元ボリューム学習を伴わない限られた臨床的データ上でも、本手法は高いDice類似度スコアを達成できるか？
• RQ4 本手法は、手作業セグメンテーションと比較して正確性と再現性に優れているか？
• RQ5 本アプローチは他の解剖学的構造や画像モodalitiesへ拡張可能か？

主な発見

• 提案手法は2例のテストケースにおいて平均Dice係数0.89を達成し、高いセグメンテーション正確性を示した。
• スライスごとのDiceスコア分布は中央値約0.90を示し、大多数のスライスで一貫した性能を発揮した。
• Materialise Mimicsソフトウェアを用いた視覚的確認により、統合された2次元セグメンテーションから再構築された3次元モデルは、正解と非常に近い形状を示した。
• 3次元ボリューム学習を必要とせず、異なる画像平面間での下顎の構造的連続性を効果的に保持した。
• フル解像度の2次元入力を用いることで、3次元パッチベースの学習に伴うメモリ負荷を回避し、解剖学的文脈を維持した。
• 結果から、下顎再建を目的とした3次元仮想手術計画への臨床的応用の強力な可能性が示唆された。