[논문 리뷰] Pituitary Adenoma Segmentation

Jan Egger, M. Bauer외 3명|arXiv (Cornell University)|2010. 01. 01.

Pituitary Gland Disorders and Treatments참고 문헌 14인용 수 16

한 줄 요약

이 논문은 뇌경련성 종양의 MRI 영상에서 편도선 종양을 빠르고 한 번의 클릭으로 세그멘테이션하는 방법을 제시한다. 구면 그래프 기반의 최소 컷 알고리즘을 사용하며, 전문가의 수작업 세그멘테이션과 비교해 평균 DSC(Dice Similarity Coefficient)는 77.49% ± 4.52%를 기록했고, 세그멘테이션 시간은 평균 3.91분에서 4초 이내로 감소시켰다.

ABSTRACT

Sellar tumors are approximately 10-15% among all intracranial neoplasms. The most common sellar lesion is the pituitary adenoma. Manual segmentation is a time-consuming process that can be shortened by using adequate algorithms. In this contribution, we present a segmentation method for pituitary adenoma. The method is based on an algorithm we developed recently in previous work where the novel segmentation scheme was successfully used for segmentation of glioblastoma multiforme and provided an average Dice Similarity Coefficient (DSC) of 77%. This scheme is used for automatic adenoma segmentation. In our experimental evaluation, neurosurgeons with strong experiences in the treatment of pituitary adenoma performed manual slice-by-slice segmentation of 10 magnetic resonance imaging (MRI) cases. Afterwards, the segmentations were compared with the segmentation results of the proposed method via the DSC. The average DSC for all data sets was 77.49% +/- 4.52%. Compared with a manual segmentation that took, on the average, 3.91 +/- 0.54 minutes, the overall segmentation in our implementation required less than 4 seconds.

연구 동기 및 목표

• 장기적인 종양 부피 모니터링을 지원하기 위해 뇌경련성 종양의 MRI 영상에서 자동화되고 효율적이며 정확한 세그멘테이션 방법을 개발하기 위해.
• 이전에 검증된 그래프 기반 세그멘테이션 기법을 뇌경련성 종양에 적응시키기 위해. 이 기법은 이전에 다발성 견상세포종양에 사용된 바 있다.
• 전문가의 수작업 세그멘테이션과 비교해 DSC(Dice Similarity Coefficient)를 사용하여 성능 평가하기 위해.
• 신경외과의사가 슬라이스 단위로 수작업 세그멘테이션하는 데 소요되는 시간을 크게 줄이기 위해.
• 편도선 종양 환자의 임상적 추적 관찰을 위해 신뢰할 수 있고 반복 가능한 종양 부피 측정을 가능하게 하기 위해.

제안 방법

• 사용자가 종양 중심에 정의한 시드 포인트에서 다면체 표면의 점들로 레이를 발사하여 3차원 방향 그래프를 구성한다.
• 각 레이에 따라 노드를 샘플링하여 그래프의 정점 V를 형성하고, 노드들을 소스 s와 싱크 t에 연결하는 간선 E를 통해 s-t 컷 계산을 가능하게 한다.
• 다항식 시간 내에 s-t 최소 컷을 계산하여 최적의 세그멘테이션 경계를 결정하는 최소 비용 닫힌 집합을 계산한다.
• 알고리즘은 데이터셋에서 관찰된 최대 종양 크기에 기반해 고정된 5cm의 레이 길이를 사용한다.
• 효율적인 3차원 영상 처리를 위해 C++로 구현되었고, MeVisLab 플랫폼을 사용한다.
• 단일 사용자 정의 시드 포인트를 종양 내부에 설정함으로써 한 번의 클릭으로 세그멘테이션을 시작한다.

실험 결과

연구 질문

• RQ1 그래프 컷 기반 세그멘테이션 방법이 뇌경련성 종양의 MRI 영상에서 높은 정확도와 빠른 처리 속도를 달성할 수 있는가?
• RQ2 제안된 방법의 성능은 DSC(Dice Similarity Coefficient) 측면에서 전문가의 수작업 세그멘테이션과 비교해 어떻게 되는가?
• RQ3 의료적으로 허용 가능한 정확도를 유지하면서도 세그멘테이션 시간을 분 단위에서 4초 이내로 줄일 수 있는가?
• RQ4 임상적 MRI 환경에서 다양한 크기와 형태의 편도선 종양에 대해 이 방법이 얼마나 일반화되는가?
• RQ5 그래프 기반 프레임워크는 다른 구형 또는 타원형 해부학적 구조와 병변에 효과적으로 재사용될 수 있는가?

주요 결과

• 제안된 방법은 전문가의 수작업 세그멘테이션과 비교해 10개의 MRI 케이스에서 평균 DSC(Dice Similarity Coefficient)가 77.49% ± 4.52%를 기록했다.
• 평균 DSC는 최소 71.07%에서 최대 84.67%까지 범위를 가지며, 모든 케이스에서 일관된 성능을 보였다.
• 세그멘테이션 시간은 전문가의 수작업 세그멘테이션 평균 3.91 ± 0.54분에서 제안된 방법에서는 케이스당 4초 미만으로 감소시켰다.
• 이 방법은 부피가 0.84 cm³에서 15.57 cm³까지 다양할 수 있는 종양에 대해 뛰어난 내성성을 보였다.
• 표준 하드웨어(Intel Core i5-750, 8GB RAM)에서도 실시간 성능을 달성하여 임상적 통합에 적합하다.
• 결과적으로 이 방법은 편도선 종양의 추적 관찰에서 장기적인 종양 부피 평가를 위한 수작업 세그멘테이션의 실질적인 대안이 될 수 있다.