[論文レビュー] Automated Tumor Segmentation and Brain Mapping for the Tumor Area

Pranay Manocha, Snehal Bhasme+3 more|arXiv (Cornell University)|Oct 28, 2017

Brain Tumor Detection and Classification参考文献 10被引用数 3

ひとこと要約

本稿では、T2強調MRI画像を用いて、自動化された脳腫瘍セグメンテーションおよびブローマン野マッピングを実現する2段階のGUIベースの手法を提案する。腫瘍セグメンテーションにはファジィC-メンズ（FCM）クラスタリングを採用し、解剖学的局在にはテンプレートベースのアプローチを用いることで、15例の症例からなるデータセットにおいて、多様な患者のデモグラフィック要因をカバーした堅牢で正確な結果が得られた。

ABSTRACT

Magnetic Resonance Imaging (MRI) is an important diagnostic tool for precise detection of various pathologies. Magnetic Resonance (MR) is more preferred than Computed Tomography (CT) due to the high resolution in MR images which help in better detection of neurological conditions. Graphical user interface (GUI) aided disease detection has become increasingly useful due to the increasing workload of doctors. In this proposed work, a novel two steps GUI technique for brain tumor segmentation as well as Brodmann area detec-tion of the segmented tumor is proposed. A data set of T2 weighted images of 15 patients is used for validating the proposed method. The patient data incor-porates variations in ethnicities, gender (male and female) and age (25-50), thus enhancing the authenticity of the proposed method. The tumors were segmented using Fuzzy C Means Clustering and Brodmann area detection was done using a known template, mapping each area to the segmented tumor image. The proposed method was found to be fairly accurate and robust in detecting tumor.

研究の動機と目的

• MRIスキャンにおける正確な脳腫瘍セグメンテーションを実現する自動化されたGUI支援システムの開発。
• セグメンテッドされた腫瘍を特定のブローマン野にマッピングし、神経解剖学的局在の向上を図ること。
• 年齢、性別、民族的背景を含む多様な患者のデモグラフィック要因にわたる方法の妥当性の検証。
• 自動セグメンテーションとマッピングにより放射線科医の作業負荷を軽減し、臨床ワークフローの効率化。
• 高解像度MRIデータを活用した神経疾患の診断正確性の向上。

提案手法

• T2強調MRI画像における腫瘍領域のセグメンテーションにファジィC-メンズ（FCM）クラスタリングを適用する。
• 標準化されたブローマン野テンプレートを用いて、セグメンテッドされた腫瘍領域を特定の皮質領域にマッピングする。
• グラフィカルユーザーインターフェース（GUI）を介して実装することで、臨床統合とユーザーインタラクションを支援する。
• 年齢25〜50歳の患者15例分のT2強調MRIスキャンデータセットを用い、性別および民族的背景にばらつきを持つ。
• セグメンテーションの正確性は、既知の腫瘍パターンとの視覚的および解剖学的整合性に基づいて評価する。
• 本手法は多様な患者集団にわたって堅牢であるように設計されており、臨床的信頼性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 ファジィC-メンズ（FCM）クラスタリングは、T2強調MRIスキャンにおける脳腫瘍のセグメンテーションに効果的に機能するか？
• RQ2 テンプレートベースのアプローチは、セグメンテッドされた腫瘍領域をブローマン野に正確にマッピングできるか？
• RQ3 提案されたGUIベースの手法は、多様な患者のデモグラフィック要因にわたってどの程度の頑健性を示すか？
• RQ4 診断正確性を維持しつつ、放射線科医の作業負荷をどの程度軽減できるか？
• RQ5 解剖学的マッピングの統合は、腫瘍位置の臨床的解釈をどのように向上させるか？

主な発見

• 提案手法は、データセットに含まれる全15例の症例において、比較的高い正確性と頑健性を示した腫瘍セグメンテーションを達成した。
• 既知の解剖学的テンプレートを用いて、腫瘍領域が特定のブローマン野に成功裏にマッピングされた。
• 年齢、性別、民族的背景の変動に対しても、本システムは一貫した性能を示した。
• GUIベースのインターフェースは、実用的な臨床利用および放射線科ワークフローへの統合を支援する。
• 本手法は、手動セグメンテーション作業の削減を図りつつ、解剖学的正確性を維持する可能性を示した。
• 結果から、FCMクラスタリングは高解像度T2-MRIデータにおける腫瘍セグメンテーションに有効であると示唆された。