[논문 리뷰] Surface-based 3D Deep Learning Framework for Segmentation of Intracranial Aneurysms from TOF-MRA Images

Xi Yang, Ding Xia외 2명|arXiv (Cornell University)|2020. 06. 29.

Intracranial Aneurysms: Treatment and Complications참고 문헌 11인용 수 4

한 줄 요약

이 논문은 시간당 비행 MRA 영상에서 뇌내 동맥류를 세분화하기 위한 표면 기반 3D 딥러닝 프레임워크를 제안한다. 반도체 자동으로 생성된 혈관 표면 모델과 PointNet++을 사용해 조각 분류를 수행한 후, 정밀한 표면 세분화를 위해 SO-Net을 활용한다. 이 방법은 72%의 Dice 유사도 계수를 달성하여 기존의 픽셀 기반 프레임워크(46%)를 크게 능가한다.

ABSTRACT

Segmentation of intracranial aneurysms is an important task in medical diagnosis and surgical planning. Volume-based deep learning frameworks have been proposed for this task; however, they are not effective. In this study, we propose a surface-based deep learning framework that achieves higher performance by leveraging human intervention. First, the user semi-automatically generates a surface representation of the principal brain arteries model from time-of-flight magnetic resonance angiography images. The system then samples 3D vessel surface fragments from the entire brain artery model and classifies the surface fragments into those with and without aneurysms using the point-based deep learning network (PointNet++). Next, the system applies surface segmentation (SO-Net) to the surface fragments containing aneurysms. We conduct a head-to-head comparison of segmentation performance by counting voxels between the proposed surface-based framework and existing pixel-based framework, and our framework achieved a much higher dice similarity coefficient score (72%) than the existing one (46%).

연구 동기 및 목표

• TOF-MRA 영상에서 볼륨 기반 딥러닝의 한계를 해결하기 위해.
• 체적 볼륨이 아닌 뇌 동맥의 표면 표현을 활용하여 세분화 정확도를 향상시키기 위해.
• 초기 혈관 표면 모델 생성에 인간의 간여를 통합하여 모델 성능을 향상시키기 위해.
• 기존 픽셀 기반 접근 방식보다 더 높은 정밀도로 동맥류를 포함한 표면 조각을 분류하고 세분화하는 프레임워크를 개발하기 위해.

제안 방법

• 프레임워크는 TOF-MRA 영상에서 주요 뇌 동맥의 3D 표면 모델을 사용자 보조 반자동으로 생성하는 것으로 시작된다.
• 시스템은 혈관 표면 모델에서 3D 조각을 샘플링하여 분류한다.
• 각 표면 조각이 동맥류를 포함하는지 여부를 분류하기 위해 PointNet++이 사용된다.
• 동맥류 양성으로 분류된 조각들만 SO-Net을 사용해 더 깊이 있는 표면 세분화를 위해 처리된다.
• 최종 세분화 결과는 세분화된 표면 조각들로부터 재구성된다.
• 이 접근 방식은 전통적인 픽셀 기반 프레임워크와 대조적으로, 체적 데이터가 아닌 표면 기하학에 직접 작용한다.

실험 결과

연구 질문

• RQ1 표면 기반 딥러닝 프레임워크가 TOF-MRA에서 뇌내 동맥류 세분화에 있어 기존 볼륨 기반 방법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 인간이 생성한 표면 모델의 통합이 세분화 정확도에 어떤 영향을 미치는가?
• RQ3 PointNet++을 사용해 표면 조각을 분류하는 것이 동맥류 영역 탐지에 얼마나 향상되는가?
• RQ4 SO-Net이 볼륨 기반 세분화 네트워크보다 동맥류의 표면 세분화를 더 정확하게 수행하는가?
• RQ5 제안된 표면 기반 방법을 사용할 경우, Dice 유사도 계수에서 정량적 향상은 어느 정도인가?

주요 결과

• 제안된 표면 기반 프레임워크는 72%의 Dice 유사도 계수를 달성하여 기존 픽셀 기반 프레임워크의 46%를 크게 뛰어넘었다.
• Dice 스코어 향상은 표면 기반 표현이 뇌내 동맥류 세분화 정확도를 향상시킨다는 것을 입증한다.
• PointNet++를 사용한 표면 조각 분류로 인해 동맥류를 포함한 영역의 정밀한 식별이 가능했다.
• SO-Net은 표면 조각을 효과적으로 세분화하여 수술 계획에 필수적인 해부학적 세부 정보를 유지했다.
• 반도체 자동으로 생성된 표면에 의존함으로써, 순수하게 볼륨 기반 접근 방식에 비해 노이즈 감소와 모델 일반화 향상이 이루어졌다.
• 직접 비교 결과, 이 작업에 대해 표면 기반 딥러닝이 기존 픽셀 기반 방법보다 더 효과적임을 확인했다.