[論文レビュー] Automatic Right Ventricle Segmentation using Multi-Label Fusion in Cardiac MRI

María A. Zuluaga, M. Jorge Cardoso+1 more|arXiv (Cornell University)|Apr 5, 2020

Medical Image Segmentation Techniques参考文献 8被引用数 24

ひとこと要約

本論文は、局所正規化相関係数（LNCC）に基づくアトラスランク付けと反復的STAPLE融合を用いた、心筋MRIにおける右心室（RV）の完全自動的で粗くから細かくまでのマルチアトラスセグメンテーション手法を提案する。この手法は基底部スライスで高いセグメンテーション精度（Dice = 0.93）を達成するが、画像品質が低く、領域サイズが小さいために心尖部スライスで課題を抱える。平均して、射出分数と心室質量の誤差はそれぞれ0.15および0.37であった。

ABSTRACT

Accurate segmentation of the right ventricle (RV) is a crucial step in the assessment of the ventricular structure and function. Yet, due to its complex anatomy and motion segmentation of the RV has not been as largely studied as the left ventricle. This paper presents a fully automatic method for the segmentation of the RV in cardiac magnetic resonance images (MRI). The method uses a coarse-to-fine segmentation strategy in combination with a multi-atlas propagation segmentation framework. Based on a cross correlation metric, our method selects the best atlases for propagation allowing the refinement of the segmentation at each iteration of the propagation. The proposed method was evaluated on 32 cardiac MRI datasets provided by the RV Segmentation Challenge in Cardiac MRI.

研究の動機と目的

• 右心室（RV）の複雑な解剖学的構造と動きのため、心筋MRIにおける頑健な自動セグメンテーション手法の不足に対処すること。
• 画像類似度に基づく動的アトラス選択戦略を活用して、複数のアトラスを統合することでセグメンテーション精度を向上させること。
• 段階的にタイトなマスクを用いてRVセグメンテーションを段階的に精緻化する粗くから細かくまでのフレームワークを開発すること。
• 画像ベースおよび患者ベースの指標を用いて、RVセグメンテーションチャレンジデータセット上で性能を評価すること。
• 心尖部スライスのセグメンテーションにおける制限を特定し、今後の方向として3次元拡張を提案すること。

提案手法

• グローバルな心臓局在を、ブロックマッチングと登録済みアトラスラベルの多数決投票を用いて行う粗くから細かくまでのセグメンテーションフレームワークを採用する。
• 第2段階では、マスク処理された画像領域に対して剛体および非剛性登録を適用し、アライメントを向上させる。この段階では、局所正規化相関係数（LNCC）ランク付けを用いて上位10%の類似度の高いアトラスのみを選択する。
• 選択されたアトラスのラベル画像は、コンSENSUSに基づく領域選択と反復的マルコフ確率場を統合した強化されたSTAPLEアルゴリズム（STEPS）を用いて統合する。
• 第3段階では、粗いセグメンテーションを用いて、すべてのアトラスラベルのアフィン変換を初期化し、再び統合してセグメンテーションを精緻化する。
• 本手法は強度ベースの登録とラベル統合を採用しており、心筋MRIにおけるスライス厚さの制約のため、2次元スライスごとの処理に焦点を当てる。
• 最終的なセグメンテーションは、Diceスコア、ハウスドルフ距離、および射出分数や心室質量などの患者レベル指標を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 動的アトラス選択を組み込んだマルチアトラス伝搬フレームワークは、心筋MRIにおけるRVセグメンテーション精度を向上させることができるか？
• RQ2 段階的なマスク精緻化を伴う粗くから細かくまでの戦略は、単一段階の統合と比較してセグメンテーション性能にどのように影響を与えるか？
• RQ3 強度ベースのマルチアトラス手法において、なぜ心尖部スライスのセグメンテーションが基底部スライスよりも劣悪になるのか？
• RQ4 心尖部スライスにおける画像品質の悪さと小さな領域サイズは、登録および統合性能をどの程度悪化させるか？
• RQ5 3次元登録および統合は、心筋MRIの2次元処理で観察された制限を緩和できるか？

主な発見

• 本手法は、基底部スライスで平均Diceスコア0.93およびハウスドルフ距離4.31を達成し、高いセグメンテーション精度を示した。
• 心尖部スライスでは性能が低下し、Diceスコアが低く、ハウスドルフ距離が高くなった。主な要因は画像品質の悪さと領域サイズの小ささであった。
• 心室収縮期（ED）および収縮期（ES）における内膜面積体積の回帰分析では、決定係数R²がそれぞれ0.96および0.97と高く、真値と強い相関を示した。
• 射出分数および心室質量推定誤差は低く、それぞれ平均誤差が0.15および0.37であった。これにより、派生する機能的指標の頑健性が示された。
• 心尖部領域の課題にもかかわらず、本手法は特に基底部領域において一貫性があり再現性の高い結果を生成した。
• 本研究では、2次元スライスごとの登録が主な制限要因であると特定し、今後の方向として3次元処理が心尖部セグメンテーションの向上に有望であると示唆した。