[논문 리뷰] Automated Tumor Segmentation and Brain Mapping for the Tumor Area

Pranay Manocha, Snehal Bhasme외 3명|arXiv (Cornell University)|2017. 10. 28.

Brain Tumor Detection and Classification참고 문헌 10인용 수 3

한 줄 요약

이 논문은 T2-강조 MRI 영상에서 자동 뇌종양 분할 및 브롬안 영역 매핑을 위한 이단계 GUI 기반 방법을 제안한다. 종양 분할에 퍼지 C 평균 클러스터링을 사용하고 해부학적 국소화에 템플릿 기반 접근법을 적용하여, 15건의 환자 케이스로 구성된 데이터셋에서 다양한 환자 인구 통계적 배경을 고려해도 강건하고 정확한 결과를 도출한다.

ABSTRACT

Magnetic Resonance Imaging (MRI) is an important diagnostic tool for precise detection of various pathologies. Magnetic Resonance (MR) is more preferred than Computed Tomography (CT) due to the high resolution in MR images which help in better detection of neurological conditions. Graphical user interface (GUI) aided disease detection has become increasingly useful due to the increasing workload of doctors. In this proposed work, a novel two steps GUI technique for brain tumor segmentation as well as Brodmann area detec-tion of the segmented tumor is proposed. A data set of T2 weighted images of 15 patients is used for validating the proposed method. The patient data incor-porates variations in ethnicities, gender (male and female) and age (25-50), thus enhancing the authenticity of the proposed method. The tumors were segmented using Fuzzy C Means Clustering and Brodmann area detection was done using a known template, mapping each area to the segmented tumor image. The proposed method was found to be fairly accurate and robust in detecting tumor.

연구 동기 및 목표

• MRI 스캔에서 정밀한 뇌종양 분할을 위한 자동화된 GUI 기반 시스템 개발.
• 분할된 종양을 특정 브롬안 영역에 매핑하여 신경해부학적 국소화 향상.
• 연령, 성별, 민족적 배경을 포함한 다양한 환자 인구 통계적 배경에서의 방법 검증.
• 자동 분할 및 매핑을 통해 방사선의사의 작업 부담 감소를 통한 임상 워크플로우 향상.
• 고해상도 MRI 데이터를 활용한 신경학적 질환 진단 정확도 향상.

제안 방법

• 퍼지 C 평균(FCM) 클러스터링을 사용하여 T2-강조 MRI 영상에서 종양 영역을 분할한다.
• 표준화된 브롬안 영역 템플릿을 사용하여 분할된 종양 영역을 특정 피각 영역에 매핑한다.
• 그래픽 사용자 인터페이스(GUI)를 통해 구현하여 임상 통합 및 사용자 상호작용을 지원한다.
• 25–50세 환자 15건의 T2-강조 MRI 스캔 데이터셋을 사용하며, 성별 및 민족 배경이 다양하다.
• 분할 정확도는 알려진 종양 패tern과의 시각적 및 해부학적 일치성에 기반하여 평가된다.
• 다양한 환자 집단에서 강건하게 작동하도록 설계되어 임상 신뢰도를 향상시킨다.

실험 결과

연구 질문

• RQ1 퍼지 C 평균 클러스터링은 T2-강조 MRI 스캔에서 뇌종양을 효과적으로 분할할 수 있는가?
• RQ2 템플릿 기반 접근법은 분할된 종양 영역을 브롬안 영역에 정확하게 매핑할 수 있는가?
• RQ3 제안된 GUI 기반 방법은 다양한 환자 인구 통계적 배경에서 얼마나 강건한가?
• RQ4 진단 정확도를 유지하면서 이 방법은 방사선의사의 작업 부담을 어느 정도 감소시키는가?
• RQ5 해부학적 매핑 통합이 종양 위치의 임상적 해석을 향상시키는가?

주요 결과

• 제안된 방법은 데이터셋 내 15명의 모든 환자 케이스에서 상당히 정확하고 강건한 종양 분할을 달성했다.
• 기존의 해부학적 템플릿을 사용하여 분할된 종양 영역을 특정 브롬안 영역에 성공적으로 매핑했다.
• 연령, 성별, 민족적 배경의 변화에 관계없이 일관된 성능을 보였다.
• GUI 기반 인터페이스는 실용적인 임상 적용 및 방사선의학 워크플로우 통합을 지원한다.
• 수동 분할 작업을 줄일 잠재력이 있으며 해부학적 정밀도를 유지한다.
• 결과는 FCM 클러스터링이 고해상도 T2-MRI 데이터에서 종양 분할에 효과적이라는 것을 시사한다.