[논문 리뷰] Semi-Automatic Segmentation of Autosomal Dominant Polycystic Kidneys using Random Forests

Kanishka Sharma, Loïc Peter외 6명|arXiv (Cornell University)|2015. 10. 23.

Genetic and Kidney Cyst Diseases참고 문헌 9인용 수 7

한 줄 요약

이 논문은 유전성 난세포성 다낭성 신장질환 환자의 대조를 강화한 CT 영상에서, 지오데식 거리 볼륨을 통합한 랜덤 포레스트 분류기를 활용한 반자동 3차원 분할 방법을 제시한다. 이 방법은 기준 방법 대비 평균 13.25% 향상된 분할 정확도를 보이며, 특히 왼쪽 신장의 경우 복잡하고 기형이 있는 신장 형태와 다낭성 비균질성을 잘 처리하는 데 기여한다.

ABSTRACT

This paper presents a method for 3D segmentation of kidneys from patients with autosomal dominant polycystic kidney disease (ADPKD) and severe renal insufficiency, using computed tomography (CT) data. ADPKD severely alters the shape of the kidneys due to non-uniform formation of cysts. As a consequence, fully automatic segmentation of such kidneys is very challenging. We present a segmentation method with minimal user interaction based on a random forest classifier. One of the major novelties of the proposed approach is the usage of geodesic distance volumes as additional source of information. These volumes contain the intensity weighted distance to a manual outline of the respective kidney in only one slice (for each kidney) of the CT volume. We evaluate our method qualitatively and quantitatively on 55 CT acquisitions using ground truth annotations from clinical experts.

연구 동기 및 목표

• 심한 신기능 저하와 복잡한 신장 형태를 보이는 ADPKD 환자에서 총 신장 부피(TKV) 정확한 측정에 도전한다.
• 균일하지 않은 다낭성 성장, 높은 강도 변동성, 유사한 강도를 보이는 인접한 간 다낭성 병변으로 인해 발생하는 전면 자동 분할의 한계를 극복한다.
• 임상 및 연구 응용을 위한 높은 분할 정확도를 유지하면서 사용자 작업을 최소화하는 최소 상호작용 기반 방법을 개발한다.
• 랜덤 포레스트 분류기의 추가 입력 채널로 지오데식 거리 볼륨을 통합하여 공간 일관성 향상과 경계 탐지 성능 향상을 평가한다.

제안 방법

• 한 신장의 중간 단면에서 수작업로 분할된 결과로부터 유도된 CT 강도 특징과 지오데식 거리 볼륨을 기반으로 3차원 랜덤 포레스트 분류기를 훈련한다.
• 지오데식 거리 볼륨을 수작업으로 분할된 단면의 신장 윤곽에서부터 계산하여 전체 볼륨에 걸쳐 공간적 맥락을 제공한다.
• 지오데식 거리를 추가 입력 채널로 포함한 볼륨 단위 특징(국소 강도, 기울기, 텍스처 정보 등)을 사용해 랜덤 포레스트를 훈련한다.
• 훈련된 분류기를 사용해 CT 볼륨의 모든 볼륨에 대해 신장 레이블을 예측하고, 최종 분할 결과는 모든 트리의 다수결정의 기반으로 결정한다.
• 41명의 ADPKD 환자로부터 확보한 55개의 대조를 강화한 CT 데이터셋을 대상으로 5개의 교차 검증 폴드를 적용해 성능을 평가한다.
• 지오데식 거리 볼륨을 포함하거나 제외한 조건에서의 성능을 비교하여 그 기여도를 분리 분석한다.

실험 결과

연구 질문

• RQ1 대조를 강화한 CT 영상에서, 반자동 랜덤 포레스트 기반 분할 방법이 심하게 기형이 온 ADPKD 신장에 대해 강력하고 정확한 분할을 달성할 수 있는가?
• RQ2 강도 정보만을 사용하는 경우에 비해, 지오데식 거리 볼륨을 통합할 경우 분할 성능 향상 정도는 어느 정도인가?
• RQ3 근접한 간과 유사한 강도 특성을 보이는 오른쪽 신장을 식별하는 데 더 어려움이 있는 점을 감안할 때, 이 방법은 오른쪽과 왼쪽 신장에서 각각 어떤 성능을 보이는가?
• RQ4 다양한 환자 해부학적 특성과 높은 형태 변동성에도 불구하고, 지오데식 거리 볼륨의 통합이 일관된 성능 향상을 이끌어내는가?
• RQ5 이 방법은 임상 시험에서 TKV 측정을 위한 높은 정확도를 유지하면서 사용자 상호작용을 줄일 수 있는가?

주요 결과

• 제안된 방법은 오른쪽 신장의 35건 중 55건에서 기준 방법(지오데식 거리 없음) 대비 평균 13.25% 향상된 Dice 스코어를 기록했다.
• 왼쪽 신장의 경우 36건 중 55건에서 기준 방법을 초월하여 평균 10.35% 향상된 Dice 스코어를 달성했다.
• 기준 방법이 더 우수한 경우는 오른쪽 신장의 2%와 왼쪽 신장의 2.42%에 그쳐, 지오데식 거리 볼륨의 통합이 성능 향상에 항상 기여함을 시사한다.
• 왼쪽 신장은 오른쪽 신장보다 전반적인 분할 성능가 높았는데, 주로 유사한 강도 특성을 보이는 인접한 간으로부터 오른쪽 신장을 식별하는 데 어려움이 있기 때문이다.
• 지오데식 거리 볼륨의 사용은 복잡한 형태와 비균일한 강도가 있는 영역에서 공간 일관성 향상과 경계 구분 정확도 향상에 크게 기여했다.
• 저자들의 지식에 비추어 볼 때, 이는 ADPKD 신장 분할을 위한 CT 데이터에서의 최초의 반자동 방법 중 하나로, 이 질환의 의료 영상 분석 분야에서 중요한 격차를 메우는 데 기여한다.