[논문 리뷰] Pulmonary Vascular Tree Segmentation from Contrast-Enhanced CT Images

Michael Helmberger, Martin Urschler외 4명|arXiv (Cornell University)|2013. 04. 26.

Pulmonary Hypertension Research and Treatments참고 문헌 19인용 수 7

한 줄 요약

이 논문은 대조형 CT 영상에서 폐 혈관 수를 완전 자동으로, 빠르고 강건하게 분할하기 위한 방법을 제시한다. 폐 및 기도 분할을 통해 헤시안 행렬 분석과 오프셋 메디안니스를 기반으로 한 다중 척도 혈관 강화 필터의 적용을 폐 부피로 제한한다. 주요 기여는 혈관 비틀림도를 거리 척도로 정량화했을 때 평균 폐동맥압과 유의미한 상관관계가 있음을 입증한 것으로, 24명의 환자로 구성된 데이터셋에서 폐고혈압이 있는지 여부를 비침습적으로 구분할 수 있게 한다 (ρ = 0.60, p < 0.01).

ABSTRACT

We present a pulmonary vessel segmentation algorithm, which is fast, fully automatic and robust. It uses a coarse segmentation of the airway tree and a left and right lung labeled volume to restrict a vessel enhancement filter, based on an offset medialness function, to the lungs. We show the application of our algorithm on contrast-enhanced CT images, where we derive a clinical parameter to detect pulmonary hypertension (PH) in patients. Results on a dataset of 24 patients show that quantitative indices derived from the segmentation are applicable to distinguish patients with and without PH. Further work-in-progress results are shown on the VESSEL12 challenge dataset, which is composed of non-contrast-enhanced scans, where we range in the midfield of participating contestants.

연구 동기 및 목표

• 대조형 CT 영상에서 폐 혈관 수 분할을 위한 완전 자동화되고 강건하며 계산적으로 효율적인 방법을 개발하는 것.
• 분할된 혈관에서 정량적 혈관 특징을 추출함으로써 비침습적 폐고혈압(Ph) 진단을 가능하게 하는 것.
• 특히 폐고혈압으로 인한 심한 혈관 리모델링를 보이는 환자에서의 혈관 분할의 강건성을 향상시키는 것.
• 정량적 분할 결과를 바탕으로 혈관 비틀림도가 Ph의 생물학적 지표로서 임상적 유용성을 검증하는 것.

제안 방법

• 해당 방법은 다중 척도 혈관 강화 필터의 적용을 폐 부피로 제한하기 위해 거친 폐 및 기도 분할을 사용하여 잡음으로 인한 오진을 줄인다.
• 헤시안 기반 혈관 강화 필터는 헤시안 행렬의 고유값과 고유벡터를 사용하여 메디안니스 반응을 계산하며, 혈관 중심선을 탐지하기 위해 오프셋 메디안니스 측도를 사용한다.
• 중심선은 총 변동성 기반의 기하학적 활성 윤곽 모델을 사용하여 재연결되며, 메디안니스 반응에서 유도된 데이터 항목을 활용한다.
• 구형 레이 캐스팅 방법을 통해 강화된 반응과 중심선 데이터로부터 혈관 반경을 추정한다.
• 알고리즘은 CUDA를 사용해 병렬화되어 대규모 CT 데이터셋에 대해 10분 이내에 분할 및 중심선 추출을 완료할 수 있다.
• 폐 및 기도 분할은 상단 슬라이스의 기관에서 시작되는 강력한 3D 영역 확장과 강도 기반 임계값 처리를 통해 수행된다.

실험 결과

연구 질문

• RQ1 대조형 CT 영상에서 병리적 상태에서도 효과를 유지하는 완전 자동화되고 빠르며 강건한 폐 혈관 수 분할 방법을 개발할 수 있는가?
• RQ2 거리 척도로 정량화된 혈관 비틀림도는 폐고혈압이 있는지 여부에 관계없이 평균 폐동맥압과 유의미하게 상관관계가 있는가?
• RQ3 정량적 지표를 분할된 혈관에서 유도함으로써, 혈관 형태학적 차이를 Ph와 비Ph 환자 간에 신뢰성 있게 탐지할 수 있는가?
• RQ4 비대조형 영상 데이터셋(예: VESSEL12 챌린지 데이터셋)에서는 알고리즘이 대조형 영상에 최적화되어 있음에도 불구하고 성능이 어떻게 나타나는가?
• RQ5 노이즈와 대조도 부족으로 인해 2mm 이하의 작은 혈관에서 알고리즘의 성능이 얼마나 떨어지는가?

주요 결과

• 제안된 분할 방법은 40 Hounsfield Units까지의 가우시안 노이즈가 있는 피험자 데이터에서 Jaccard 지수 93% 이상을 달성하여 매우 높은 강건성을 입증하였다.
• 비대조형 영상으로 구성된 VESSEL12 챌린지 데이터셋에서, 이 방법은 특이도 0.94와 ROC 곡선 아래 면적(Az) 0.85를 기록하여 참가 팀 중 중위권 성능을 보였다.
• 24명의 환자로 구성된 임상 연구에서 거리 척도(DM)는 평균 폐동맥압과 유의미한 슼머의 상관계수 ρ = 0.60 (p < 0.01)를 보였다.
• 폐고혈압이 있는 환자들은 그렇지 않은 환자들보다 유의미하게 높은 혈관 비틀림도(DM)를 보였으며(p < 0.05), 이는 그룹 간 구분이 가능함을 시사한다.
• CUDA 병렬 구현을 통해 대규모 CT 데이터셋에서 전체 분할 및 중심선 추출이 10분 이내에 완료되어 임상 워크플로우 통합에 유리하다.
• 이 방법은 대조형 영상에 최적화되어 있고 등방성 해상도를 갖추고 있기 때문에, 지름 2mm 이하의 혈관 탐지에 한계를 보였다.