[論文レビュー] Semi-Automatic Segmentation of Autosomal Dominant Polycystic Kidneys using Random Forests

Kanishka Sharma, Loïc Peter+6 more|arXiv (Cornell University)|Oct 23, 2015

Genetic and Kidney Cyst Diseases参考文献 9被引用数 7

ひとこと要約

本論文は、ジオデシック距離ボリュームを用いて強化されたランダムフォレスト分類器を用いて、対照的強化CTスキャンにおける常染色体優性多発性嚢胞腎臓の半自動的3次元セグメンテーション手法を提示する。この手法は、特に左腎臓において、ベースライン手法よりも平均13.25%の精度向上を達成し、複雑で変形した腎臓形状や嚢胞に起因する不均一性に対処する上で顕著な向上を示している。

ABSTRACT

This paper presents a method for 3D segmentation of kidneys from patients with autosomal dominant polycystic kidney disease (ADPKD) and severe renal insufficiency, using computed tomography (CT) data. ADPKD severely alters the shape of the kidneys due to non-uniform formation of cysts. As a consequence, fully automatic segmentation of such kidneys is very challenging. We present a segmentation method with minimal user interaction based on a random forest classifier. One of the major novelties of the proposed approach is the usage of geodesic distance volumes as additional source of information. These volumes contain the intensity weighted distance to a manual outline of the respective kidney in only one slice (for each kidney) of the CT volume. We evaluate our method qualitatively and quantitatively on 55 CT acquisitions using ground truth annotations from clinical experts.

研究の動機と目的

• 重度の腎機能障害および複雑な腎臓形態を示すADPKD患者における正確な全腎臓体積（TKV）定量の課題に対処すること。
• 非均一な嚢胞の成長、強い強度変動、および類似した強度を示す隣接する肝臓嚢胞による影響を受けるため、完全自動セグメンテーションの限界を克服すること。
• 臨床的および研究的応用において、高いセグメンテーション精度を維持しつつ、ユーザーの作業負荷を最小限に抑えた最小限のインタラクションを要する手法を開発すること。
• ランダムフォレスト分類器にジオデシック距離ボリュームを追加特徴として組み込むことで、空間的一致性および境界検出性能がどのように向上するかを評価すること。

提案手法

• 1つの腎臓のマニュアルセグメンテーションによる中間スライスから抽出されたCT強度特徴量およびジオデシック距離ボリュームを用いてトレーニングされた3次元ランダムフォレスト分類器を活用する。
• ジオデシック距離ボリュームを、1スライス内のマニュアルで描画された腎臓アウトラインからの強度加重距離として計算し、ボリューム全体にわたる空間的文脈を提供する。
• 局所的強度、勾配、テクスチャ情報に加え、ジオデシック距離を追加の入力チャネルとして含むボクセル単位の特徴量を用いてランダムフォレストをトレーニングする。
• トレーニング済みの分類器を用いて、CTボリューム内の全ボクセルに対して腎臓ラベルを予測し、最終的なセグメンテーションは全ツリーにおける多数決によって決定する。
• 41例のADPKD患者から得た55例の対照的強化CTデータセットを用い、5分割交差検証を実施して性能を評価する。
• ジオデシック距離ボリュームを含む・含まないを比較することで、そのセグメンテーション精度への寄与を明確に分離する。

実験結果

リサーチクエスチョン

• RQ1 対照的CTスキャンにおける重度に変形したADPKD腎臓に対して、半自動的ランダムフォレストベースのセグメンテーション手法が、頑健かつ正確に腎臓をセグメンテーションできるか。
• RQ2 強度特徴量のみに比べて、ジオデシック距離ボリュームを組み込むことで、セグメンテーション性能がどの程度向上するか。
• RQ3 右腎臓は周囲の肝臓と類似した強度特性を示すため、左腎臓と比較して区別が難しいことから、本手法は左腎臓と右腎臓の両方でどの程度の性能を示すか。
• RQ4 高い形態的多様性を示す多様な患者の解剖学的状態において、ジオデシック距離ボリュームの組み込みが一貫した向上効果をもたらすか。
• RQ5 臨床試験におけるTKV定量のための高精度を維持しつつ、ユーザーのインタラクションを削減できるか。

主な発見

• 提案手法は、右腎臓において55例中35例でベースライン（ジオデシック距離なし）を上回り、平均してDiceスコアが13.25%向上した。
• 左腎臓においては55例中36例でベースラインを上回り、平均してDiceスコアが10.35%向上した。
• ベースライン手法が優れた結果を示したのは、右腎臓の2%のケース、左腎臓の2.42%のケースにとどまり、ジオデシック距離ボリュームが一貫して性能向上をもたらしていることが示された。
• 左腎臓は右腎臓よりも全体的なセグメンテーション性能が優れており、主に右腎臓が周囲の肝臓と類似した強度特性を示すため、区別が困難であることが要因である。
• ジオデシック距離ボリュームの使用により、特に複雑な形態と不均一な強度を示す領域において、空間的一致性および境界の明確化が顕著に向上した。
• 著者らの知る限り、本手法は、この疾患におけるCTデータに対する半自動的ADPKD腎臓セグメンテーションの最初の例の一つであり、医療画像解析分野における重要な空白を埋めている。