[論文レビュー] 3D Ultrasound image segmentation: A Survey

M. Hamed Mozaffari, Won‐Sook Lee|arXiv (Cornell University)|Nov 29, 2016

Medical Image Segmentation Techniques参考文献 9被引用数 5

ひとこと要約

本サーベイは、前立腺がん・乳がん、胎児画像、心血管解析などの臨床的用途を想定した、医療応用における3次元超音波画像のセグメンテーション技術について包括的なレビューを提供している。手法は、インタラクティブ性、頑健性、評価指標に基づいて評価され、多くの3次元手法が2次元手法を拡張したものであるものの、複雑でコントラストが低い超音波画像では、最適な性能を得るためには、専用の3次元または4次元アルゴリズムが必要であると強調している。

ABSTRACT

Three-dimensional Ultrasound image segmentation methods are surveyed in this paper. The focus of this report is to investigate applications of these techniques and a review of the original ideas and concepts. Although many two-dimensional image segmentation in the literature have been considered as a three-dimensional approach by mistake but we review them as a three-dimensional technique. We select the studies that have addressed the problem of medical three-dimensional Ultrasound image segmentation utilizing their proposed techniques. The evaluation methods and comparison between them are presented and tabulated in terms of evaluation techniques, interactivity, and robustness.

研究の動機と目的

• 臨床診断に適用可能な3次元超音波画像セグメンテーション手法を体系的にレビューすること。
• インタラクティブ性、頑健性、評価手法に基づいて、セグメンテーション手法を分析・比較すること。
• 特に2次元手法の延長に依存する現行手法のギャップを特定すること。
• 前立腺、乳がん、胎児、心臓画像などの臨床的応用分野別に3次元USセグメンテーション手法の分類体系を構築すること。
• 異なる医療的文脈における強みと限界を要約することで、研究者が適切なセグメンテーション手法を選択するのを支援すること。

提案手法

• 前立腺がん、乳がん、胎児および胚画像、心血管、整形外科的応用を含む、臨床的応用分野別に3次元USセグメンテーション手法を分類する。
• 可変表面、レベルセット、グラフベース手法、先行知識を組み込んだアクティブな輪郭などの古典的および最先端の技術をレビューする。
• インタラクティブ性（手動、準自動、自動）、ノイズおよびアーチファクトに対する頑健性、パフォーマンス指標などの基準で手法を評価する。
• 3次元アクティブポリヘドロン、ハフフォレスト、3次元USボリューム上で訓練されたランダムフォレスト分類器などの具体的な実装を分析する。
• エッジベースと領域ベースの特徴を組み合わせたハイブリッドアプローチを検討し、例えばリーらの研究ではSVMを用いて抽出された特徴から腫瘍を分類している。
• 統計モデル（例：パルゼン推定）と多スケールスキームを用いたテクスチャベースおよび強度ベースのセグメンテーションを検討し、リアルタイムでの組織識別を可能にする。

実験結果

リサーチクエスチョン

• RQ1 前立腺がんや乳がんの診断といった臨床的応用において、どの3次元超音波セグメンテーション手法が最も効果的か？
• RQ2 インタラクティブ性のレベル（手動、準自動、自動）は、セグメンテーションの正確性と臨床的有用性にどのように影響するか？
• RQ3 古典的な2次元セグメンテーション手法は、3次元超音波画像にどの程度一般化可能か、またその限界は何か？
• RQ4 ランダムフォレスト、アクティブな輪郭、グラフベースモデルといった高度な手法は、コントラストが低くノイズの多い3次元US画像において、どのように頑健性を向上させるか？
• RQ5 特に2次元スライスから得られる3次元US画像再構築の品質は、セグメンテーションの成功にどの程度寄与するか？

主な発見

• 多くの3次元USセグメンテーション手法は2次元手法の延長に過ぎないため、ボリュメトリックデータを十分に活用するためには、ネイティブな3次元または4次元アルゴリズムの開発が不可欠である。
• 内部力（例：曲率最小化）と外部力（画像特徴への引力）を併用する可変モデルは、初期化に敏感ではあるが、前立腺セグメンテーションにおいて優れた性能を示している。
• 3次元USボリューム上で訓練された教師あり手法（ハフフォレスト、ランダムフォレスト）は、中脳、前立腺、心臓構造などの正確な組織分類を達成している。
• 統計モデル（例：パルゼン非パラメトリック推定）を用いたテクスチャベースおよび強度ベースのセグメンテーションは、腫瘍、血液、手術用具の区別において精度を向上させている。
• 先行解剖学的知識を組み込んだグラフベースおよびアクティブな輪郭手法は、眼や肺などの複雑な解剖学的領域において、頑健なセグメンテーションを可能としている。
• 評価結果から、インタラクティブ性と頑健性は手法によって顕著に異なることが判明しており、準自動および自動手法は、一貫性と再現性の面で手動のみの手法を上回っている。