[論文レビュー] Computer Aided Automatic Brain Segmentation from Computed Tomography Images using Multilevel Masking.

Soumi Ray, Vinod Kumar+2 more|arXiv (Cornell University)|Sep 11, 2018

Medical Image Segmentation Techniques参考文献 17被引用数 2

ひとこと要約

本稿では、マルチレベルマスキングを用いた、完全自動で高速かつ高精度な脳実質セグメンテーション手法を、マルチスライスCTスキャンから提示する。自動シードポイント選択と領域拡張を用い、脳実質用と頭蓋骨を含むマスクをそれぞれ作成することで、96%以上の精度で一貫したスライス間伝搬が可能となり、高い感度を達成する。

ABSTRACT

Computed tomography imaging is well accepted for its imaging speed, image contrast & resolution and cost. Thus it has wide use in detection and diagnosis of brain diseases. But unfortunately reported works on CT segmentation is not very significant. In this paper, a robust automatic segmentation system is presented which is capable of segment complete brain matter from CT slices, without any lose in information. The proposed method is simple, fast, accurate and completely automatic. It can handle multislice CT scan in single run. From a given multislice CT dataset, one slice is selected automatically to form masks for segmentation. Two types of masks are created to handle nasal slices in a better way. Masks are created from selected reference slice using automatic seed point selection and region growing technique. One mask is designed for brain matter and another includes the skull of the reference slice. This second mask is used as global reference mask for all slices whereas the brain matter mask is implemented on only adjacent slices and continuously modified for better segmentation. Slices in given dataset are divided into two batches, before reference slice and after reference slice. Each batch segmented separately. Successive propagation of brain matter mask has demonstrated very high potential in reported segmentation. Presented result shows highest sensitivity and more than 96% accuracy in all cases. Resulted segmented images can be used for any brain disease diagnosis or further image analysis.

研究の動機と目的

• コンピュータ断層撮影（CT）画像からの脳構造の自動セグメンテーションに関する顕著な研究の不足に対処すること。
• マルチスライスCTデータセットからの脳実質の完全自動的かつ高精度で包括的なセグメンテーションを可能にする手法の開発。
• 鼻腔部および頭蓋骨領域の処理において、情報損失を最小限に抑えるために、頑健な処理を確保すること。
• ユーザーの介入なしに、一度の実行で全マルチスライスCTスキャンを効率的に処理できるようにすること。
• スライス間での適応的マスク伝搬により、セグメンテーションの正確性と感度を向上させること。

提案手法

• マスク生成の基盤として使用するため、マルチスライスデータセットから自動的に基準スライスを選択する。
• 自動シードポイント選択と領域拡張を適用し、基準スライスから脳実質用と頭蓋骨を含むマスクの2つを生成する。
• 全スライスの解剖学的整合性を保つために、頭蓋骨を含むマスクをグローバル基準として使用する。
• 脳実質マスクは隣接スライスにのみ適用し、反復的更新によってセグメンテーションの正確性を向上させる。
• データセットを基準スライスより前と後の2つのバッチに分割し、それぞれを別々に処理する。
• 適応的変更を用いてマスクをスライス間で順次伝搬させ、高いセグメンテーション忠実度を維持する。

実験結果

リサーチクエスチョン

• RQ1 完全自動手法が、ユーザー入力なしにマルチスライスCTスキャンから高精度な脳実質セグメンテーションを達成できるか。
• RQ2 領域拡張とシードポイント選択を併用したマルチレベルマスキングは、解剖学的詳細の保持と情報損失の最小化にどの程度効果的か。
• RQ3 順次的マスク伝搬は、複数スライスにわたるセグメンテーション正確性をどの程度向上させるか。
• RQ4 鼻腔や頭蓋骨といった複雑な領域を処理する際、本手法は高い感度と正確性を維持できるか。
• RQ5 本手法は、マルチスライスCTデータにおいて、既存手法と比較して処理速度、正確性、ロバスト性の面で優れているか。

主な発見

• 提案手法は、マルチスライスCTスキャンからの脳実質セグメンテーションにおいて96%を超える正確性を達成した。
• すべてのテストケースにおいて高い感度を示し、脳構造の信頼性の高い検出を示している。
• グローバルな頭蓋骨を含むマスクの使用により、全スライスにわたる一貫した解剖学的基準が確保された。
• 脳実質マスクの順次的伝搬は、セグメンテーション品質とロバスト性を顕著に向上させた。
• 本手法は完全自動であり、ユーザーの介入なしに一度の実行で全マルチスライスCTデータセットを処理可能である。
• セグメンテーション結果は、脳疾患の診断や画像解析の後続処理に適した応用が可能である。