[논문 리뷰] Fully automated 3D segmentation of dopamine transporter SPECT images using an estimation-based approach

Ziping Liu, Hae Sol Moon외 4명|arXiv (Cornell University)|2021. 01. 17.

Parkinson's Disease Mechanisms and Treatments참고 문헌 60인용 수 5

한 줄 요약

이 논문은 도파민 수용체 SPECT 영상에서 피각, 편도체, 백질체를 위한 완전 자동 3D 분할을 위한 추정 기반 딥러닝 방법을 제안한다. MR 유래 분율 볼륨 분포에 대해 이진 교차 엔트로피 손실을 최소화하도록 훈련된 인코더-디코더 네트워크를 사용하여, ~0.80의 Dice 유사도 계수를 달성하며, 노이즈, 부분 볼륨 효과 및 환자 머리 기울임에 대해 높은 정확도와 강건성을 입증한다.

ABSTRACT

Quantitative measures of uptake in caudate, putamen, and globus pallidus in dopamine transporter (DaT) brain SPECT have potential as biomarkers for the severity of Parkinson disease. Reliable quantification of uptake requires accurate segmentation of these regions. However, segmentation is challenging in DaT SPECT due to partial-volume effects, system noise, physiological variability, and the small size of these regions. To address these challenges, we propose an estimation-based approach to segmentation. This approach estimates the posterior mean of the fractional volume occupied by caudate, putamen, and globus pallidus within each voxel of a 3D SPECT image. The estimate is obtained by minimizing a cost function based on the binary cross-entropy loss between the true and estimated fractional volumes over a population of SPECT images, where the distribution of the true fractional volumes is obtained from magnetic resonance images from clinical populations. The proposed method accounts for both the sources of partial-volume effects in SPECT, namely the limited system resolution and tissue-fraction effects. The method was implemented using an encoder-decoder network and evaluated using realistic clinically guided SPECT simulation studies, where the ground-truth fractional volumes were known. The method significantly outperformed all other considered segmentation methods and yielded accurate segmentation with dice similarity coefficients of ~ 0.80 for all regions. The method was relatively insensitive to changes in voxel size. Further, the method was relatively robust up to +/- 10 degrees of patient head tilt along transaxial, sagittal, and coronal planes. Overall, the results demonstrate the efficacy of the proposed method to yield accurate fully automated segmentation of caudate, putamen, and globus pallidus in 3D DaT-SPECT images.

연구 동기 및 목표

• 3D 도파민 수용체 SPECT 영상에서 작은, 노이즈가 많은 뇌 영역(피각, 편도체, 백질체)의 정확한 분할에 도전한다.
• SPECT 영상에서의 부분 볼륨 효과, 시스템 노이즈 및 생리적 변동성으로 인한 제한을 극복한다.
• 영상 해상도 및 환자 머리 위치 변화에 강건한 완전 자동 분할 방법을 개발한다.
• 신뢰할 수 있는 지역적 집합 측정을 가능하게 하여 파킨슨병의 심각도에 대한 정량 생물학적 지표 정확도를 향상시킨다.
• MRI로부터의 인구 수준 데이터를 활용하여 확률적 분율 볼륨 추정을 통해 SPECT 분할을 안내하고 향상시킨다.

제안 방법

• 모델은 각 뇌 영역에 대해 각 볼륨 요소 내에서 분율 볼륨 점유의 사후 평균을 추정하는 데 딥 인코더-디코더 신경망을 사용한다.
• 비용 함수는 인구 집단의 SPECT 영상에 대해 예측된 분율 볼륨과 진짜 분율 볼륨 간의 이진 교차 엔트로피 손실을 최소화하도록 네트워크를 훈련시킨다.
• 진짜 분율 볼륨 분포는 임상 집단의 공통 등록된 MRI 스캔에서 유도되며, 제한된 시스템 해상도와 조직 비율 효과를 모델링한다.
• 이 방법은 공간 해상도 제한과 부분 볼륨 조직 구성의 두 가지 부분 볼륨 효과 원인을 명시적으로 고려한다.
• 정량적 검증을 가능하게 하기 위해 알려진 진짜 분율 볼륨을 가진 현실적인 SPECT 시뮬레이션을 사용하여 방법을 평가한다.
• 아키텍처는 볼륨 크기 변화와 수평, 사선, 축삭 평면에서 ±10° 이내의 환자 머리 기울임에 대해 강건하도록 설계되었다.

실험 결과

연구 질문

• RQ1 추정 기반 딥러닝 접근법이 DaT-SPECT 영상에서 작은 기저핵 구조의 정확한 3D 분할을 달성할 수 있는가?
• RQ2 노이즈와 부분 볼륨 효과가 있는 현실적인 임상 조건에서 이 방법의 성능은 어떠한가?
• RQ3 영상 해상도 및 환자 머리 위치 변화에 대해 이 방법의 강건성은 어느 정도인가?
• RQ4 Dice 유사도 계수와 강건성 측면에서 기존 분할 기법과 비교해 볼 때 이 방법은 어떠한가?
• RQ5 인구 수준의 MRI 유래 분율 볼륨 분포가 SPECT 분할을 효과적으로 안내할 수 있는가?

주요 결과

• 제안된 방법은 모든 세 영역(피각, 편도체, 백질체)에 대해 약 0.80의 Dice 유사도 계수를 달성하여 높은 분할 정확도를 입증하였다.
• 동일한 시뮬레이션 조건에서 평가된 모든 다른 분할 기법보다 뚜렷이 뛰어난 성능을 보였다.
• 볼륨 크기 변화에 대해 상대적으로 민감도가 낮아 다양한 해상도 설정에서도 일관된 성능을 유지하였다.
• 수평, 사선, 축삭 평면에서 ±10° 이내의 환자 머리 기울임에 대해 여전히 강건성을 유지하였다.
• 인구 기반 MRI 유래 분율 볼륨 분포의 사용은 SPECT 영상에서의 부분 볼륨 효과를 다루는 데 모델의 능력을 향상시켰다.
• 이 방법은 파킨슨병에서 정량 생물학적 지표 추출에 적합한 완전 자동화되고 신뢰할 수 있는 분할을 가능하게 한다.