[論文レビュー] Learning Based Segmentation of CT Brain Images: Application to Post-Operative Hydrocephalic Scans

Venkateswararao Cherukuri, Peter Ssenyonga+4 more|PubMed|Dec 11, 2017

Fetal and Pediatric Neurological DisordersMedicine参考文献 35被引用数 17

ひとこと要約

本論文は、正常な脳組織、脳脊髄液（CSF）、硬膜下血腫を正確に区別できるように、クラス固有の辞書学習を用いた教師あり画素単位分類フレームワークを用いて、水頭症患者の術後CT脳画像の学習ベース分類手法を提案する。本手法は、計算コストが低く、限られた学習データに対しても頑健であるため、臨床的評価に役立つ体積推定を信頼性高く可能にする。

ABSTRACT

Experiments performed on infant CT brain images acquired from the CURE Children's Hospital of Uganda reveal the success of our method against the state-of-the-art alternatives. We also demonstrate that the proposed algorithm is computationally less burdensome and exhibits a graceful degradation against a number of training samples, enhancing its deployment potential.

研究の動機と目的

• 従来の強度ベース分類手法が困難となる、歪んだ解剖学的構造と可変な強度を示す硬膜下血腫を伴う水頭症術後CTスキャンの分類課題に対処すること。
• 脳組織、CSF、硬膜下巣に対してクラス固有の辞書を学習する教師あり画素単位分類フレームワークを構築し、それらを効果的に表現すること。
• 従来手法と比較して、計算およびメモリのオーバーヘッドを低減し、リソースが限られた臨床現場での導入性を高めること。
• 学習データ量の変動に頑健であること、限られたアノテート済みスキャンでも実用的であることを保証すること。
• 小児水頭症におけるシャント手術後の神経認知機能の評価に不可欠な、脳およびCSFの体積推定を正確に行えるようにすること。

提案手法

• 本手法は、ラベル付き学習データを用いて、脳組織、CSF、硬膜下血腫の3つのクラス固有の辞書を学習する辞書学習フレームワークを採用する。
• 分類をスパースコーディング問題として定式化し、学習済み辞書を用いて各画像パッチのスパースト表現を求め、画素ラベルを割り当てる。
• 辞書学習プロセスにおいてクラス間の差を強調することで、分類の分離性を高めるための判別的項をフレームワークに組み込む。
• 幾何的歪みや硬膜下部の強度変動といった、術後スキャン固有の課題に対処するため、独自のトレーニングおよびテスト手順を設計する。
• 計算複雑性とメモリフットプリントを解析的に算出し、DDLS やパッチベースSRC といったベースライン手法と比較して顕著な低減を示す。
• 最終的な分類には、スパースコード上で訓練された線形分類器を用いることで、最小限のオーバーヘッドで高速な推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 クラス固有の辞書学習アプローチは、複雑な硬膜下病変を示す水頭症術後CTスキャンにおいて、従来の強度ベース分類手法を上回ることができるか？
• RQ2 本手法は、患者間での硬膜下強度および幾何的形状の変動をどのように処理するか？
• RQ3 既存の最先端技術と比較して、本手法の計算およびメモリ効率はどの程度か？
• RQ4 限られたデータ量で学習した場合、本手法の性能はどのように変化するか？少ないサンプルでも滑らかに劣化するか？
• RQ5 本手法は、硬膜下血腫を脳組織およびCSFから信頼性高く分離できるか？臨床的評価に不可欠な体積推定が可能か？

主な発見

• 本手法は、ウガンダ・カーリー・キッズ・ホスピタルの術後CTスキャンにおいて、最先端の分類精度を達成し、既存手法を上回る。
• 学習データ量が減少するに従って性能が滑らかに低下するが、限られたラベル付きスキャンでも頑健性を維持する。
• 計算複雑性はDDLS やパッチベースSRC より顕著に低く、トレーニングサンプル数N と辞書サイズK に対してO(NK) のスケーリングを示す。
• メモリフットプリントは顕著に低減され、DDLS と比較してIx×Iy 倍の低減が達成される。これは、画素ごとの辞書ではなく、画素間で辞書を共有するためである。
• 硬膜下血腫がCSF や脳組織の強度と重複する場合でも、脳組織およびCSFからの正確な分離が可能である。
• 本フレームワークにより、脳およびCSFの信頼性の高い体積推定が可能となり、シャント手術後の神経認知機能の評価に不可欠である。