[論文レビュー] Just-Enough Interaction Approach to Knee MRI Segmentation: Data from the Osteoarthritis Initiative

Satyananda Kashyap, Honghai Zhang+1 more|arXiv (Cornell University)|Mar 10, 2019

Human Pose and Action Recognition被引用数 8

ひとこと要約

本論文は、ユーザーが最小限のグラフレベルのインタラクションで局所的な誤差を修正できる新規な「ちょうど十分なインタラクション」（JEI）手法を提案する。この手法は、LOGISMOSフレームワークを用いて自動化された膝関節MRIのセグメンテーションを改善し、境界の直接編集ではなく「ナUDGEポイント」と呼ばれる点を配置することで、局所的なグラフコストを変更し、再最適化によるグローバル最適な再計算を可能にする。JEIは、自動化されたLOGISMOSと比較して、軟骨表面誤差を40％以上低減（p < 0.001）し、複数の時間点にわたる4次元縦断的補正を効率的に行える。

ABSTRACT

State-of-the-art automated segmentation algorithms are not 100\\% accurate especially when segmenting difficult to interpret datasets like those with severe osteoarthritis (OA). We present a novel interactive method called just-enough interaction (JEI), which adds a fast correction step to the automated layered optimal graph segmentation of multiple objects and surfaces (LOGISMOS). After LOGISMOS segmentation in knee MRI, the JEI user interaction does not modify boundary surfaces of the bones and cartilages directly. Local costs of underlying graph nodes are modified instead and the graph is re-optimized, providing globally optimal corrected results. Significant performance improvement ($p \\ll 0.001$) was observed when comparing JEI-corrected results to the automated. The algorithm was extended from 3D JEI to longitudinal multi-3D (4D) JEI allowing simultaneous visualization and interaction of multiple-time points of the same patient.

研究の動機と目的

• 重度の変形性関節症のMRIにおいて、アーティファクトが軟骨を模倣し、誤差を引き起こすという完全自動セグメンテーションの限界を是正すること。
• グローバル最適性を保証する最小限の入力で自動セグメンテーションを補正できるユーザーインタラクション手法を開発すること。
• この手法を縦断的（4次元）MRI解析に拡張し、同じ患者の複数スキャンにおいて同時に補正可能にし、疾患の動的モニタリングを可能にすること。
• 従来のボクセル単位での編集と比較して、観察者間バイアスと後処理時間を低減すること。

提案手法

• 本手法は、膝関節MRIにおける大腿骨および脛骨の骨および軟骨の自動LOGISMOSセグメンテーションから開始する。
• セグメンテーション後、インタラクティブ補正用に最適化状態を保持した残差グラフが生成される。
• ユーザーは2次元スライス上に「ナUDGEポイント」を配置し、境界を直接編集するのではなく、下位のグラフ構造における局所的ノードコストを変更する。
• 各インタラクション後に最大フロー（max-flow）を用いてグラフを再最適化することで、グローバルに最適なセグメンテーション結果が保証される。
• 本手法は、時間的整合性を維持するための時間間隔間の制約を組み込んだ4次元JEIに拡張されている。
• フレームワークはプラットフォームやアプリケーションに依存せず、複数時間点の可視化とインタラクションに効率的なGUIが設計されている。

実験結果

リサーチクエスチョン

• RQ1 重度の変形性関節症の病理を伴うMRIにおいて、最小限のユーザーインタラクション戦略が自動セグメンテーションの正確性を向上させられるか？
• RQ2 従来のインタラクティブ手法とは異なり、複数のオブジェクトおよび表面の補正においてもJEI手法がグローバル最適性を保っているか？
• RQ3 JEIは縦断的（4次元）MRI解析に効果的に拡張可能であり、軟骨の損失の動的モニタリングを可能にするか？
• RQ4 従来のボクセル単位での編集と比較して、JEIは時間効率およびセグメンテーションの正確性において優れているか？
• RQ5 JEIで補正された結果は、軟骨検出のための機械学習モデルのトレーニングデータとして、自動LOGISMOS出力よりも優れた性能を示すか？

主な発見

• JEIで補正された大腿骨軟骨のセグメンテーションでは、符号付き誤差が -0.03 ± 0.08 mm に低下し、自動LOGISMOSの -0.37 ± 0.23 mm より顕著に低い（p ≪ 0.001）。
• 大腿骨軟骨の絶対誤差は、自動処理時（0.73 ± 0.16 mm）からJEI（0.43 ± 0.06 mm）に40％の改善が見られ、p ≪ 0.001 の有意差を示した。
• 脛骨軟骨についても、絶対誤差は0.80 ± 0.20 mm から0.51 ± 0.13 mm に低下し、p ≪ 0.001 の有意差を示した。
• JEIによる補正の平均所要時間は、1データセットあたり約15分であり、従来のボクセルレベルでの手動編集に要する数時間に比べ顕著に短縮された。
• 縦断的4次元JEIフレームワークにより、複数の時間点における同時に可視化および補正が可能となり、軟骨損失の進行的分析が可能になった。
• JEIで補正された表面は、自動LOGISMOS出力で学習した分類器と比較して、軟骨検出の分類性能を向上させた。