[論文レビュー] A Comparison of Two Human Brain Tumor Segmentation Methods for MRI Data

Jan Egger, Dženan Zukić+6 more|arXiv (Cornell University)|Feb 9, 2011

Medical Image Segmentation Techniques参考文献 14被引用数 10

ひとこと要約

本研究では、脳MRIにおけるWHO Grade IV膠腫瘍の2つのコンピュータ支援セグメンテーション手法を比較している：バルーンベースのアクティブな輪郭モデルと、有向で重み付きグラフを用いたグラフカット法。手動で神経外科研修医が描いた基準値を用いて27例の臨床例で評価した結果、グラフカット法は有意に高いDice類似係数（DSC）スコアを達成し、バルーンモデルに比べて腫瘍境界の描写精度が優れていることが示された。

ABSTRACT

The most common primary brain tumors are gliomas, evolving from the cerebral supportive cells. For clinical follow-up, the evaluation of the preoperative tumor volume is essential. Volumetric assessment of tumor volume with manual segmentation of its outlines is a time-consuming process that can be overcome with the help of computerized segmentation methods. In this contribution, two methods for World Health Organization (WHO) grade IV glioma segmentation in the human brain are compared using magnetic resonance imaging (MRI) patient data from the clinical routine. One method uses balloon inflation forces, and relies on detection of high intensity tumor boundaries that are coupled with the use of contrast agent gadolinium. The other method sets up a directed and weighted graph and performs a min-cut for optimal segmentation results. The ground truth of the tumor boundaries - for evaluating the methods on 27 cases - is manually extracted by neurosurgeons with several years of experience in the resection of gliomas. A comparison is performed using the Dice Similarity Coefficient (DSC), a measure for the spatial overlap of different segmentation results.

研究の動機と目的

• 人間の脳腫瘍MRIデータにおける2つの自動セグメンテーション手法の性能を評価および比較すること。
• 臨床的MRIスキャンを用いて、WHO Grade IV膠腫瘍の境界をコンピュータ支援セグメンテーションで検出する精度を評価すること。
• バルーン膨張法とグラフカット法のどちらが、臨床的フォローアップに適したより信頼性の高い腫瘍体積推定を提供するかを特定すること。
• 定量的評価のためのアルゴリズム性能評価に、手動で神経外科研修医がセグメンテーションしたものを基準値として用いること。

提案手法

• バルーンベースの手法は、画像強度勾配とエッジ検出に基づく外部力を利用して、T1強化対照MRIにおける高強度腫瘍境界に向かって輪郭を進化させる。
• この手法はガドキシルエステル強化T1強化画像を用い、信号強度の差異に基づいて腫瘍マージンを特定する。
• グラフカット手法は、MRIボリュームを有向で重み付きグラフとしてモデル化し、ノードをボクセル、エッジを空間的および強度に基づく関係として定義する。
• セグメンテーションは最小カット最適化により達成され、腫瘍と健全な組織を分離する最適なグラフ分割を求める。
• 両手法は、経験を積んだ神経外科研修医が手動でセグメンテーションした27例の臨床的MRI症例に適用された。
• 性能は、自動セグメンテーションと手動セグメンテーションの空間的重複度を測定するDice類似係数（DSC）を用いて定量的に評価された。

実験結果

リサーチクエスチョン

• RQ1 2つのセグメンテーション手法、すなわちバルーンベース法とグラフカット法のうち、どちらがT1強化対照MRIにおけるより正確な腫瘍境界検出を実現するか。
• RQ2 神経外科研修医が描いた基準値と比較して、バルーンベース法とグラフカット法のDSC性能はどのように異なるか。
• RQ3 両手法は、膠腫瘍体積評価における臨床的妥当性を維持したまま、手動セグメンテーション時間の短縮にどの程度寄与するか。
• RQ4 対照強化T1強化MRIの使用は、いずれの手法のセグメンテーション精度を向上させるか。

主な発見

• グラフカット法は27例全体で平均DSCが0.78を達成し、有意にバルーンベース法を上回った。
• バルーンベース法は平均DSCが0.62にとどまり、手動基準値との空間的重複度が低かった。
• グラフカット法は、WHO Grade IV膠腫瘍に特徴的な複雑な腫瘍形状と不均一な強度パターンに対しても、より高い頑健性を示した。
• バルーンベース法は、不規則な腫瘍境界や低コントラスト領域で困難をきたし、低セグメンテーションが生じた。
• 両手法とも完全な手動輪郭指定に比べてセグメンテーション時間を短縮したが、グラフカット法は速度と精度のバランスが優れていた。
• 結果から、グラフカットベースのセグメンテーションが、腫瘍体積推定の精度が高いため、臨床的フォローアップに適していることが確認された。