[論文レビュー] Pituitary Adenoma Segmentation

Jan Egger, M. Bauer+3 more|arXiv (Cornell University)|Jan 1, 2010

Pituitary Gland Disorders and Treatments参考文献 14被引用数 16

ひとこと要約

本稿では、球面グラフに基づく最小カットアルゴリズムを用いて、MRIにおける前頭葉下垂体腫瘍の高速でワンクリック型セグメンテーション手法を提示する。本手法は、専門家による手動セグメンテーションと比較して平均Dice類似係数(DSC)77.49% ± 4.52%を達成した一方、セグメンテーション時間を平均3.91分から4秒未塔に短縮した。

ABSTRACT

Sellar tumors are approximately 10-15% among all intracranial neoplasms. The most common sellar lesion is the pituitary adenoma. Manual segmentation is a time-consuming process that can be shortened by using adequate algorithms. In this contribution, we present a segmentation method for pituitary adenoma. The method is based on an algorithm we developed recently in previous work where the novel segmentation scheme was successfully used for segmentation of glioblastoma multiforme and provided an average Dice Similarity Coefficient (DSC) of 77%. This scheme is used for automatic adenoma segmentation. In our experimental evaluation, neurosurgeons with strong experiences in the treatment of pituitary adenoma performed manual slice-by-slice segmentation of 10 magnetic resonance imaging (MRI) cases. Afterwards, the segmentations were compared with the segmentation results of the proposed method via the DSC. The average DSC for all data sets was 77.49% +/- 4.52%. Compared with a manual segmentation that took, on the average, 3.91 +/- 0.54 minutes, the overall segmentation in our implementation required less than 4 seconds.

研究の動機と目的

• 前頭葉下垂体腫瘍のMRIにおける自動的で効率的かつ正確なセグメンテーション手法を開発し、腫瘍体積の縦断的モニタリングを支援すること。
• 以前に妥当性が確認されたグラフベースのセグメンテーション手法（当初は多発性側芽腫瘍のためのもの）を、前頭葉下垂体腫瘍に適応すること。
• Dice類似係数(DSC)を用いて、専門家による手動セグメンテーションと比較して本手法の性能を評価すること。
• 神経外科学医によるスライス単位の手動セグメンテーションと比較して、大幅にセグメンテーション時間を短縮すること。
• 前頭葉下垂体腫瘍患者の臨床的フォローアップにおいて、信頼性が高く再現性のある腫瘍体積測定を可能にすること。

提案手法

• ユーザーが腫瘍の中心部に定義したシードポイントから、多面体の表面点へとレイを発射することで、3次元の有向グラフを構築する。
• 各レイに沿ってノードをサンプリングし、グラフの頂点Vを形成し、ノードをソースsおよびシンクtに接続するエッジEを設けることで、s-tカット計算を可能にする。
• 多項式時間のs-t最小カットを用いて、最適なセグメンテーション境界を特定する最小コスト閉集合を計算する。
• 本手法では、データセットで観察された腫瘍の最大サイズに基づき、固定されたレイ長5 cmを採用している。
• 本手法は、効率的な3次元画像処理を実現するため、MeVisLabプラットフォームを用いてC++で実装されている。
• 腫瘍内に1つのユーザー定義シードポイントを用いることで、ワンクリック型セグメンテーションが可能となる。

実験結果

リサーチクエスチョン

• RQ1 グラフカットに基づくセグメンテーション手法は、MRIにおける前頭葉下垂体腫瘍に対して高い精度と高速性を達成できるか？
• RQ2 本手法の性能は、Dice類似係数(DSC)の観点から専門家による手動セグメンテーションと比較してどうなるか？
• RQ3 臨床的に許容可能な精度を維持したまま、セグメンテーション時間を数分から4秒未塔に短縮できるか？
• RQ4 臨床的MRI環境下で、多様な前頭葉下垂体腫瘍のサイズや形状にわたって、本手法の汎用性はどの程度か？
• RQ5 グラフベースのフレームワークは、他の球状または楕円状の解剖学的構造や病変に対しても効果的に再利用可能か？

主な発見

• 本手法は、10例のMRIに対して専門家による手動セグメンテーションと比較して、平均DSC 77.49% ± 4.52%を達成した。
• 平均DSCは最小71.07%（最小値）から最大84.67%（最大値）まで変動し、症例間で一貫した性能を示した。
• セグメンテーション時間は、神経外科学医による手動セグメンテーションの平均3.91 ± 0.54分から、本手法では1症例あたり4秒未塔に短縮された。
• 本手法は、体積が0.84 cm³から15.57 cm³までの腫瘍に対しても、頑健性を示した。
• 標準的なハードウェア（Intel Core i5-750、8 GB RAM）でもリアルタイム性能を達成しており、臨床統合に適していることが示された。
• 結果から、本手法は前頭葉下垂体腫瘍のフォローアップにおける縦断的腫瘍体積評価のための実用的代替手段である可能性が示唆された。