[논문 리뷰] Automatic Right Ventricle Segmentation using Multi-Label Fusion in Cardiac MRI

María A. Zuluaga, M. Jorge Cardoso외 1명|arXiv (Cornell University)|2020. 04. 05.

Medical Image Segmentation Techniques참고 문헌 8인용 수 24

한 줄 요약

이 논문은 다중 레이블 융합을 이용한 局소 정규화 상관관계(LNCC)-기반 약탈 순위 매기기와 반복적 STAPLE 융합을 활용하여 심장 MRI에서 심실의 오른쪽 심실(RV)을 위한 완전 자동적, 군집에서 세분으로 진행되는 다중 약탈 분할 방법을 제시한다. 이 방법은 기저부 분할에서 높은 분할 정확도를 달성한다(Dice = 0.93) 하지만 낮은 영상 품질과 작은 영역 크기로 인해 상부 분할에서 도전 과제를 겪으며, 평균 심실 수축기 용적 및 심실 질량 오차는 각각 0.15와 0.37이다.

ABSTRACT

Accurate segmentation of the right ventricle (RV) is a crucial step in the assessment of the ventricular structure and function. Yet, due to its complex anatomy and motion segmentation of the RV has not been as largely studied as the left ventricle. This paper presents a fully automatic method for the segmentation of the RV in cardiac magnetic resonance images (MRI). The method uses a coarse-to-fine segmentation strategy in combination with a multi-atlas propagation segmentation framework. Based on a cross correlation metric, our method selects the best atlases for propagation allowing the refinement of the segmentation at each iteration of the propagation. The proposed method was evaluated on 32 cardiac MRI datasets provided by the RV Segmentation Challenge in Cardiac MRI.

연구 동기 및 목표

• 복잡한 해부학적 구조와 운동으로 인해 심장 MRI에서 오른쪽 심실(RV)에 대한 강력한 자동 분할 방법의 부족을 해결하기 위해.
• 이미지 유사도 기반의 동적 약탈 선택 전략을 활용해 다수의 약탈을 활용하여 분할 정확도를 향상시키기 위해.
• 진행적으로 더 좁은 마스크를 사용하는 점진적인 마스크 정밀화를 통해 점차적으로 개선되는 오른쪽 심실 분할을 수행하는 군집에서 세분으로 진행되는 프레임워크를 개발하기 위해.
• 이미지 기반 및 환자 기반의 지표를 사용하여 RV 분할 챌린지 데이터셋에서 성능을 평가하기 위해.
• 상부 분할에서의 제한 사항을 규명하고 향후 3차원 확장 방향을 제안하기 위해.

제안 방법

• 초기 단계에서는 블록 매칭과 등록된 약탈 레이블에 대한 다수결 투표를 사용하여 전체 심장 국소화를 수행하는 군집에서 세분으로 진행되는 분할 프레임워크를 적용한다.
• 2단계에서는 마스크된 영역에 대해 강체 및 비강체 정렬을 적용하여 정렬을 향상시키며, 국소 정규화 상관관계(LNCC) 순위 매기기를 사용해 상위 10퍼센트의 최상의 매칭 약탈만 선택한다.
• 선택된 약탈 레이블 이미지를 개선된 STAPLE 알고리즘(STEPS)을 사용하여 융합하며, 이는 공통 기반 영역 선택 및 반복적 마르코프 무역장(Markov Random Fields)을 통한 레이블 융합 향상 기능을 포함한다.
• 3단계에서는 원시 분할 결과를 사용해 모든 약탈 레이블의 애핀 변환을 초기화하고, 재융합하여 분할 성능을 향상시킨다.
• 이 방법은 강도 기반 정렬과 레이블 융합을 사용하며, 심장 MRI의 슬라이스 두께 제약으로 인해 2차원 슬라이스 단위 처리에 중점을 둔다.
• 최종 분할 결과는 Dice 점수, 하우스도르프 거리, 심실 수축기 용적 및 심실 질량과 같은 환자 수준 지표를 사용하여 평가된다.

실험 결과

연구 질문

• RQ1 동적 약탈 선택 전략을 적용한 다중 약탈 전파 프레임워크는 심장 MRI에서 오른쪽 심실 분할 정확도를 향상시킬 수 있는가?
• RQ2 진행적 마스크 정밀화를 통한 군집에서 세분으로 진행되는 전략이 단일 단계 융합 대비 분할 성능에 어떤 영향을 미치는가?
• RQ3 왜 강도 기반 다중 약탈 방법에서 상부 슬라이스 분할 성능이 기저부 슬라이스보다 열 劣한가?
• RQ4 상부 슬라이스에서의 낮은 영상 품질과 작은 영역 크기가 정렬 및 융합 성능을 얼마나 악화시키는가?
• RQ5 3차원 정렬 및 융합은 심장 MRI의 2차원 처리에서 관찰된 제한 사항을 완화시킬 수 있는가?

주요 결과

• 기저부 슬라이스에서 평균 Dice 점수는 0.93, 하우스도르프 거리는 4.31로 나타나 높은 분할 정확도를 보였다.
• 상부 슬라이스에서는 성능이 떨어졌으며, 낮은 Dice 점수와 높은 하우스도르프 거리로 나타났다. 주요 원인은 낮은 영상 품질과 작은 영역 크기였다.
• 수축기 끝(ED) 및 이완기 끝(ES) 시기의 심내막 부피 회귀 분석에서 각각 R² 값이 0.96과 0.97로 매우 높아 참값과 강한 상관관계를 보였다.
• 심실 수축기 용적 및 심실 질량 추정 오차는 낮았으며, 평균 오차는 각각 0.15와 0.37로 나타나 파생된 기능적 지표에서의 강건성을 보였다.
• 상부 영역에서의 도전 과제에도 불구하고, 이 방법은 특히 기저부 영역에서 일관되고 재현 가능한 결과를 도출하였다.
• 연구는 2차원 슬라이스 단위 정렬이 핵심 제한 요소임을 규명하였으며, 향후 상부 분할 향상을 위해 3차원 처리가 유망한 미래 방향으로 제안되었다.