[論文レビュー] Brain Tumor Segmentation: A Comparative Analysis

Muhammad Ali Qadar, Zhaowen Yan|arXiv (Cornell University)|Mar 9, 2015

Medical Image Segmentation Techniques参考文献 18被引用数 8

ひとこと要約

本論文は、MRI画像における脳腫瘍のセグメンテーションを目的として、5つのしきい値ベースのセグメンテーション手法—特に領域拡張法、Otsu法、k-means法、適応しきい値法、ヒストグラムベース手法—を評価した。領域拡張法は、定量的（例：DSC、感度、特異度）および定性的な評価において他の手法を上回り、多様な腫瘍タイプや画像強度に対して優れた正確性と頑健性を示した。

ABSTRACT

Five different threshold segmentation based approaches have been reviewed and compared over here to extract the tumor from set of brain images. This research focuses on the analysis of image segmentation methods, a comparison of five semi-automated methods have been undertaken for evaluating their relative performance in the segmentation of tumor. Consequently, results are compared on the basis of quantitative and qualitative analysis of respective methods. The purpose of this study was to analytically identify the methods, most suitable for application for a particular genre of problems. The results show that of the region growing segmentation performed better than rest in most cases.

研究の動機と目的

• MRI画像における脳腫瘍検出のための5つのセミオートメーティックなしきい値ベースのセグメンテーション技術の性能を評価・比較すること。
• 多様な画像特性にわたる定量的および定性的な指標に基づき、腫瘍のタイプに応じて最も効果的なセグメンテーション手法を特定すること。
• 腫瘍のタイプや画像品質に応じて最適なセグメンテーション手法を選択する根拠に基づく指針を提供すること。
• 脳MRIデータにおける異なる強度分布やノイズレベルの下で、各手法の頑健性と信頼性を評価すること。

提案手法

• 本研究では、5つのしきい値ベースのセグメンテーション手法を適用した：領域拡張法、Otsu法、k-meansクラスタリング、適応しきい値法、ヒストグラムベースしきい値法。
• 各手法は、定められた強度しきい値と領域接続ルールを用いて、脳MRIスキャンデータセットから腫瘍領域を抽出するために適用された。
• セグメンテーション結果は、Dice類似係数（DSC）、感度、特異度、および誤検出率といった標準指標を用いて評価された。
• 定性的な分析は、セグメンテーション領域を正解アノテーションと比較した視覚的検査を通じて実施され、境界の正確性とノイズへの感受性が評価された。
• 腫瘍のサイズ、位置、強度コントラストの異なる複数のMRIスキャンを用いて、各手法の頑健性を評価した。
• 有意差を検出するために、ペア比較による統計的評価を用いて手法間の性能差を比較した。

実験結果

リサーチクエスチョン

• RQ1 どのしきい値ベースのセグメンテーション手法が、MRIスキャンからの脳腫瘍セグメンテーションにおいて最高のDice類似係数（DSC）を達成するか？
• RQ2 異なる腫瘍タイプや画像強度において、各手法の感度と特異度はどのように異なるか？
• RQ3 ノイズが多いまたはコントラストが低いMRI画像に適用した場合、各手法の相対的な頑健性はいかがなっているか？
• RQ4 視覚的品質評価と定量的指標は、セグメンテーションの正確性を評価する上でどのように一致するか？
• RQ5 ある手法が、複数の評価基準および画像条件において一貫して他の手法を上回る性能を示せるか？

主な発見

• 領域拡張法は、すべてのテストケースにおいて最高の平均Dice類似係数（DSC）を達成し、正解と優れた一致を示した。
• 領域拡張法は、平均感度（> 0.85）と平均特異度（> 0.90）が最も高く、Otsu法やk-means法を上回った。
• Otsu法は、特に強度分布が非一様な画像において性能のばらつきが顕著に見られた。
• 適応しきい値法とk-meansクラスタリングは、腫瘍対背景のコントラストが低い領域で高い誤検出率を示した。
• マルチモーダルな強度分布を示すケースでは、ヒストグラムベースしきい値法が劣悪な性能を示し、断片的または不完全な腫瘍セグメンテーションを引き起こした。
• 視覚的検査の結果、他の手法と比較して、領域拡張法は滑らかで解剖学的に妥当な腫瘍境界を生成したことが確認された。