[논문 리뷰] Fast and high-quality tetrahedral mesh generation from neuroanatomical scans

Anh Phong Tran, Qianqian Fang|arXiv (Cornell University)|2017. 08. 29.

Advanced Neural Network Applications참고 문헌 28인용 수 8

한 줄 요약

이 논문은 뇌 해부학적 스캔에서 40초 이내로 고품질의 해부학적으로 정확한 테트라헤드럴 메쉬를 생성하는 오픈소스이자 완전 자동화된 소프트웨어 파이프라인인 'brain2mesh'를 제시한다. 사용자가 정의한 품질 기준을 활용한 표면 기반 메시 생성 기법을 통해, FreeSurfer 및 FSL와 같은 도구로부터의 다중 레이블 세분화 데이터와 표면 재구성 정보를 통합하여, 피부, 두개골, 뇌간질액, 회색질, 흰질 및 공기 구멍을 포함한 여러 조직 층을 가진 정밀한 3차원 머리 모델을 생성한다.

ABSTRACT

Creating tetrahedral meshes with anatomically accurate surfaces is critically important for a wide range of model-based neuroimaging modalities. However, computationally efficient brain meshing algorithms and software are greatly lacking. Here, we report a fully automated open-source software to rapidly create high-quality tetrahedral meshes from brain segmentations. Built upon various open-source meshing utilities, the proposed meshing workflow allows robust generation of complex head and brain mesh models from multi-label volumes, tissue probability maps, surface meshes and their combinations. The quality of the complex tissue boundaries is preserved through a surface-based approach, allowing fine-grained control over the sizes and quality of the mesh elements through explicit user-defined meshing criteria. The proposed meshing pipeline is highly versatile and compatible with many commonly used brain analysis tools, including SPM, FSL, FreeSurfer, and BrainSuite. With this mesh-generation pipeline, we demonstrate that one can generate 3D full-head meshes that combine scalp, skull, cerebrospinal fluid, gray matter, white matter, and air cavities with a typical processing time of less than 40 seconds. This approach can also incorporate highly detailed cortical and white matter surface meshes derived from FSL and FreeSurfer with tissue segmentation data. Finally, a high-quality brain atlas mesh library for different age groups, ranging from infants to elderlies, was built to demonstrate the robustness of the proposed workflow, as well as to serve as a common platform for simulation-based brain studies. Our open-source meshing software "brain2mesh" and the human brain atlas mesh library can be downloaded at http://mcx.space/brain2mesh.

연구 동기 및 목표

• 모델 기반 뇌영상 분석에 적합한 계산 효율성과 고품질의 뇌 메시 생성 도구의 부족을 해결하기 위해.
• 다중 레이블 MRI 세분화 및 표면 재구성 자료로부터 복잡한 3차원 머리 메시 모델을 강력하고 자동으로 생성할 수 있도록 하기 위해.
• 표면 기반 메시 생성 기법을 통해 조직 경계에서 미세한 해부학적 세부 정보를 유지하기 위해.
• 주요 신경영상 소프트웨어(SPM, FSL, FreeSurfer, BrainSuite)와 호환되는 다용도적이며 상호운용 가능한 파이프라인을 제공하기 위해.
• 모의 실험 연구를 위해 사용할 수 있는 고품질의 연령 구조화된 인간 뇌 어휘 메쉬 라이브러리를 구축하고 공개하기 위해.

제안 방법

• 이 방법은 세분화된 MRI 볼륨에서 유도된 복잡한 조직 경계를 유지하기 위해 표면 기반 메시 생성 전략을 사용한다.
• FreeSurfer 및 FSL와 같은 도구로부터 유도된 다중 레이블 조직 확률 지도와 표면 메시를 통합하여 유일한 메시 생성 파이프라인을 구성한다.
• 사용자가 정의한 메시 생성 기준이 요소 크기와 품질을 제어하여 메시 해상도와 정확도에 대해 세밀한 제어를 가능하게 한다.
• 오픈소스 메시 생성 유틸리티를 활용하여 파이프라인의 강건성과 재현 가능성을 확보한다.
• 세분화 데이터와 표면 메시를 병합하여 고해부학적 정밀도를 가진 하이브리드 모델을 생성할 수 있다.
• 작업 흐름은 완전 자동화되어 있으며 속도 최적화가 되어 있어 표준 하드웨어에서 전체 머리 메시 생성을 40초 이내로 수행한다.

실험 결과

연구 질문

• RQ1 완전 자동화된 메시 생성 파이프라인이 뇌영상 응용 분야에서 실시간으로 고품질의 테트라헤드럴 메시를 신경해부학적 스캔에서 생성할 수 있는가?
• RQ2 표면 기반 접근 방식은 메시 요소의 품질을 유지하면서도 복잡한 조직 경계를 얼마나 잘 유지할 수 있는가?
• RQ3 FSL 및 FreeSurfer에서 제공하는 조직 확률 지도와 사전에 생성된 표면 메시와 같은 다양한 데이터 소스를 파이프라인에 얼마나 잘 통합할 수 있는가?
• RQ4 이 방법은 최소한의 사용자 간섭으로 다양한 연령대에서 일관되고 고정밀도의 3차원 머리 모델을 생성할 수 있는가?
• RQ5 SPM, FSL, FreeSurfer와 같은 기존 신경영상 소프트웨어 스택과의 파이프라인은 얼마나 확장 가능하고 상호운용성이 있는가?

주요 결과

• 제안된 메시 생성 파이프라인은 평균적으로 40초 이내로 피부, 두개골, 뇌간질액, 회색질, 흰질 및 공기 구멍을 포함한 전체 머리 테트라헤드럴 메시를 생성한다.
• 표면 기반 메시 생성 기법을 통해 복잡한 조직 경계에서 미세한 해부학적 세부 정보를 성공적으로 유지한다.
• FSL 및 FreeSurfer에서 생성된 고품질의 피질 및 흰질 표면 메시는 최종 테트라헤드럴 메시에 원활하게 통합될 수 있다.
• 파이프라인은 SPM, FSL, FreeSurfer 및 BrainSuite와 같은 주요 신경영상 도구와 완전히 호환된다.
• 어린이에서 노인에 이르기까지 다양한 연령대를 포함하는 포괄적인 인간 뇌 어휘 메쉬 라이브러리가 구축되었으며, 이는 작업 흐름의 강건성과 재사용 가능성을 입증한다.
• 오픈소스 소프트웨어 'brain2mesh'와 어휘 라이브러리는 시뮬레이션 기반 뇌 연구에 사용하기 위해 공개되어 있다.