[논문 리뷰] Evaluation of a Novel Approach for Automatic Volume Determination of Glioblastomas Based on Several Manual Expert Segmentations

Jan Egger, M. Bauer외 5명|arXiv (Cornell University)|2011. 03. 08.

Medical Image Segmentation Techniques참고 문헌 10인용 수 5

한 줄 요약

이 논문은 사용자가 정의한 시드 포인트와 3차원 레이 샘플링을 사용하여 방향성 그래프를 구성하고, 최소 s-t 컷을 적용하여 종양을 분리함으로써 간질세포종 양성 종양 부피 측정을 위한 새로운 그래프 기반 자동 분할 방법을 제안한다. 12명의 전문가가 수작업으로 수행한 분할 결과와 평가한 결과, 높은 Dice 유사도 계수(DSC)를 확보하여 전문가 간 변동성과 유사한 성능을 보이며, MRI에서 자동 종양 부피 평가의 강건성과 임상적 잠재력을 입증한다.

ABSTRACT

The glioblastoma multiforme is the most common malignant primary brain tumor and is one of the highest malignant human neoplasms. During the course of disease, the evaluation of tumor volume is an essential part of the clinical follow-up. However, manual segmentation for acquisition of tumor volume is a time-consuming process. In this paper, a new approach for the automatic segmentation and volume determination of glioblastomas (glioblastoma multiforme) is presented and evaluated. The approach uses a user-defined seed point inside the glioma to set up a directed 3D graph. The nodes of the graph are obtained by sampling along rays that are sent through the surface points of a polyhedron. After the graph has been constructed, the minimal s-t cut is calculated to separate the glioblastoma from the background. For evaluation, 12 Magnetic Resonance Imaging (MRI) data sets were manually segmented slice by slice, by neurosurgeons with several years of experience in the resection of gliomas. Afterwards, the manual segmentations were compared with the results of the presented approach via the Dice Similarity Coefficient (DSC). For a better assessment of the DSC results, the manual segmentations of the experts were also compared with each other and evaluated via the DSC. In addition, the 12 data sets were segmented once again by one of the neurosurgeons after a period of two weeks, to also measure the intra-physician deviation of the DSC.

연구 동기 및 목표

• MRI 영상에서 간질세포종 양성 종양의 정확하고 효율적인 자동 부피 측정을 위한 방법을 개발하는 것.
• 임상의가 수작업으로 수행하는 분할 작업의 시간 소모를 줄이는 것.
• 제안된 방법의 성능을 다수의 전문가 수작업 분할 결과와 비교 평가하는 것.
• 수작업 분할에서의 전문가 간 및 동일 전문가 내 변동성을 평가하여 자동화된 방법의 기준으로 삼는 것.
• 간질세포종 추적 관찰에 적용 가능한 신뢰성 있고 재현 가능하며 임상적으로 유용한 자동 분할 방법을 확립하는 것.

제안 방법

• 암 내부에 사용자가 정의한 시드 포인트를 사용하여 3차원 그래프를 구축한다.
• 다면체 표면의 점을 통해 시드 포인트에서 레이를 射출하여 3차원 부피 내의 노드를 샘플링한다.
• 그래프는 노드가 영상의 볼륨을 나타내고, 간선이 강도 및 공간적 관계를 표현하도록 구성된다.
• 그래프 에너지 최소화 기반으로 종양(소스)과 배경(싱크)을 분리하기 위해 최소 s-t 컷 알고리즘을 적용한다.
• 분할 결과는 최소 컷에서 유도되며, 효과적으로 종양 경계를 정의한다.
• 성능 평가를 위해 방법은 전문가의 수작업 분할 결과를 기준으로 삼는다.

실험 결과

연구 질문

• RQ1 제안된 그래프 기반 방법이 전문가의 수작업 경계 설정과 비교하여 얼마나 정확하게 간질세포종을 분할할 수 있는가?
• RQ2 자동화된 방법의 성능이 수작업 분할에서 관찰된 전문가 간 변동성과 비교하여 어떻게 되는가?
• RQ3 전문가 신경외과의사가 시간이 지남에 따라 수작업으로 간질세포종을 분할할 때의 내부 관측자 변동성은 어떠한가?
• RQ4 제안된 방법이 다양한 MRI 스캔에서 일관되고 신뢰할 수 있는 종양 부피 추정을 수행할 수 있는가?
• RQ5 다수의 전문가 분할 결과를 사용할 경우 자동 분할 방법 평가의 신뢰성은 어느 정도 향상되는가?

주요 결과

• 제안된 자동 분할 방법은 신경외과 전문가 간의 상호 전문가 변동성과 유사한 Dice 유사도 계수(DSC)를 확보하였다.
• 자동화된 방법과 전문가 분할 결과 간 평균 DSC가 높아 수작업 경계 설정과의 강한 일치를 나타냈다.
• 전문가 간 DSC 값은 기준으로 사용되었으며, 자동화된 방법은 이 범위 내에서 성능을 보여 임상적 신뢰성을 시사했다.
• 한 명의 전문가가 2주 후에 반복 분할한 결과에서 내부 의료진 DSC 값은 중간 수준의 변동성을 보였으며, 수작업의 일관성 문제를 부각시켰다.
• 12개의 다양한 MRI 데이터셋에서의 성능을 통해 방법이 실제 임상 데이터에 일반화될 수 있음을 입증하였다.
• 다수의 전문가 분할 결과를 활용함으로써 자동화된 방법의 성능 평가가 더욱 신뢰성 있고 종합적으로 가능해졌다.