[論文レビュー] Automatic liver segmentation method in CT images

Oussema zayane, besma jouini+1 more|arXiv (Cornell University)|Apr 7, 2012

Medical Image Segmentation Techniques参考文献 3被引用数 24

ひとこと要約

本稿では、肝臓の位置と形状に関する事前知識を用いて、CT画像における自動的肝臓セグメンテーション手法を提案する。局所的画像適合を用いたレベルセット法を採用することで、最小限のユーザ操作で高精度な肝臓境界抽出が可能となり、肝臓外科手術計画や疾患診断における臨床的応用に適している。

ABSTRACT

The aim of this work is to develop a method for automatic segmentation of the liver based on a priori knowledge of the image, such as location and shape of the liver.

研究の動機と目的

• 医療画像における手動による干渉を低減する自動的肝臓セグメンテーション手法の開発を目的とする。
• 肝臓の位置や形状といった解剖学的事前知識を組み込むことで、セグメンテーションの精度を向上させることを目的とする。
• CTスキャンにおける強度不均一性や弱い組織境界による肝臓セグメンテーションの課題に対処することを目的とする。
• 肝臓外科手術計画や腫瘍検出などの臨床的応用に適した、頑健で効率的なソリューションを提供することを目的とする。
• 定量的指標を用いて実際のCTデータ上での性能を評価し、有効性を検証することを目的とする。

提案手法

• 本手法は、初期輪郭を肝臓境界へ変形させるためのレベルセットスムージングフレームワークを用いる。
• CT画像における強度不均一性に対処するために、局所的画像適合エネルギー項を導入する。
• 肝臓の形状と位置に関する事前知識を符号付き距離関数として符号化し、セグメンテーションをガイドする。
• 計算効率を向上させるために、ナローベルト法を用いてレベルセットの進化を最適化する。
• 患者の解剖学的特徴と画像強度に基づき、輪郭の初期化を肝臓領域付近で行う。
• 局所的およびグローバルエネルギー項の組み合わせにより、ノイズや弱いエッジに対しても頑健性を確保する。

実験結果

リサーチクエスチョン

• RQ1 肝臓の形状と位置に関する事前知識は、CT画像における自動的セグメンテーション精度を向上させるか？
• RQ2 局所的画像適合エネルギーは、腹部CTスキャンに一般的に見られる強度不均一性に対し、どの程度効果的か？
• RQ3 形状事前知識を組み込んだレベルセット法は、従来のセグメンテーション技術をどの程度上回るか？
• RQ4 最小限のユーザ入力で高精度を達成できるか。臨床現場への導入に適しているか？
• RQ5 本手法は、多様な肝臓の外観を示す実際の患者CTデータ上でも、どの程度の性能を示すか？

主な発見

• 形状事前知識と局所的画像適合の有効な組み合わせにより、本手法は高精度なセグメンテーションを達成した。
• 事前知識の組み込みにより、強度不均一性やノイズに対する頑健性が顕著に向上した。
• 手動による初期化を必要とせず、実際のCTデータ上でも信頼性の高い性能を示した。
• 局所的適合を組み込んだレベルセットフレームワークにより、弱い組織コントラスト領域でも正確な境界検出が可能となった。
• ナローベルト実装のおかげで計算効率が高く、臨床的用途に適している。
• 多様な患者の解剖学的特徴とスキャンプロトコルにわたって、一貫したセグメンテーション品質が得られた。