[論文レビュー] Unsupervised Segmentation Algorithms' Implementation in ITK for Tissue Classification via Human Head MRI Scans

Shadman Sakib, Md. Abu Bakr Siddique|arXiv (Cornell University)|Feb 26, 2019

Medical Image Segmentation Techniques参考文献 14被引用数 4

ひとこと要約

本稿では、ヒト頭部MRIスキャンにおける組織分類を目的として、インSight Toolkit (ITK) 内で3つの教師なしセグメンテーション手法—オツのしきい値法、ベイズ分類、およびガウス平滑化を施したベイズ分類—の実装と評価が行われた。5つのT1強調MRIデータセットを用いた研究では、ガウス平滑化を施したベイズ分類が、白質、灰色ニューロン、脳脊髄液（CSF）、およびバックグラウンド組織のセグメンテーションにおいて、他の手法よりも優れた一貫性と解剖学的整合性を示した。

ABSTRACT

Tissue classification is one of the significant tasks in the field of biomedical image analysis. Magnetic Resonance Imaging (MRI) is of great importance in tissue classification especially in the areas of brain tissue classification which is able to recognize anatomical areas of interest such as surgical planning, monitoring therapy, clinical drug trials, image registration, stereotactic neurosurgery, radiotherapy etc. The task of this paper is to implement different unsupervised classification algorithms in ITK and perform tissue classification (white matter, gray matter, cerebrospinal fluid (CSF) and background of the human brain). For this purpose, 5 grayscale head MRI scans are provided. In order of classifying brain tissues, three algorithms are used. These are: Otsu thresholding, Bayesian classification and Bayesian classification with Gaussian smoothing. The obtained classification results are analyzed in the results and discussion section.

研究の動機と目的

• 医療画像解析のための教師なしセグメンテーションアルゴリズムを開発・統合すること。
• T1強調MRIスキャンを用いた教師なし学習により、4種類の脳組織（白質、灰色ニューロン、脳脊髄液（CSF）、バックグラウンド）を分類すること。
• オツのしきい値法、標準ベイズ分類、およびガウス平滑化を施したベイズ分類の3手法が、ヒト脳組織のセグメンテーションにおいてどの程度の性能を示すかを比較すること。
• 教師ラベルなしの臨床的MRIデータに対して、これらの手法の頑健性と正確性を評価すること。

提案手法

• 研究では、教師なし組織分類の入力として、5つのT1強調ヒト頭部MRIスキャンを用いた。
• オツのしきい値法は、画像のヒストグラム分布に基づき、組織分離に最適な強度しきい値を自動的に決定するために適用された。
• ベイズ分類は、画像強度統計から推定されたクラス条件付き確率密度関数を用いて実装された。
• ガウス平滑化は、入力MRIデータに事前に適用され、ノイズ低減とクラス分離性の向上が図られた。
• セグメンテーション結果は、視覚的検査と組織分布・空間的一致性の定量的分析を通じて定性的に評価された。
• すべてのアルゴリズムはITKに実装され、効率的かつ再現可能な医療画像処理を実現するC++フレームワークが活用された。

実験結果

リサーチクエスチョン

• RQ1 教師なしセグメンテーションアルゴリズムは、ヒト頭部MRIスキャンにおける白質、灰色ニューロン、CSF、およびバックグラウンドをどの程度正確に分類できるか？
• RQ2 ガウス平滑化は、組織セグメンテーションにおけるベイズ分類の性能にどのような影響を及えるか？
• RQ3 オツのしきい値法、標準ベイズ分類、および平滑化ベイズ分類の3手法は、解剖学的正確性とノイズ耐性の観点から、どのように比較されるか？
• RQ4 ITKにおける教師なし手法は、教師ラベルなしでも信頼性があり再現可能な組織分類結果を生成できるか？

主な発見

• ガウス平滑化を施したベイズ分類は、白質、灰色ニューロン、およびCSFの間の境界が明確に分離された、最も解剖学的に妥当なセグメンテーション結果をもたらした。
• オツのしきい値法は、組織クラス間の強度分布が重複するため、断片的で不正確なセグメンテーションを引き起こし、有効性が限定的であった。
• 標準ベイズ分類はオツのしきい値法よりも優れていたが、MRIスキャンにおけるノイズや強度の不均一性に対して感受性を示した。
• ガウス平滑化の追加により、特にコントラストが低いか部分体積効果が顕著な領域において、組織分類の一貫性と空間的整合性が顕著に向上した。