[論文レビュー] Evaluation of a Novel Approach for Automatic Volume Determination of Glioblastomas Based on Several Manual Expert Segmentations

Jan Egger, M. Bauer+5 more|arXiv (Cornell University)|Mar 8, 2011

Medical Image Segmentation Techniques参考文献 10被引用数 5

ひとこと要約

本論文では、ユーザーが定義したシードポイントと3次元レイヤー採番を用いて有向グラフを構築し、最小s-tカットを用いた腫瘍分離により、膠芽腫瘍体積を自動的に特定する、新しいグラフベースの自動セグメンテーション手法を提案する。12例のエキスパート手動セグメンテーションを用いた評価において、本手法はエキスパート間のばらつきと同等の高いDice類似係数（DSC）を達成し、MRIにおける腫瘍体積評価の自動化のための頑健性と臨床的潜在能力を示している。

ABSTRACT

The glioblastoma multiforme is the most common malignant primary brain tumor and is one of the highest malignant human neoplasms. During the course of disease, the evaluation of tumor volume is an essential part of the clinical follow-up. However, manual segmentation for acquisition of tumor volume is a time-consuming process. In this paper, a new approach for the automatic segmentation and volume determination of glioblastomas (glioblastoma multiforme) is presented and evaluated. The approach uses a user-defined seed point inside the glioma to set up a directed 3D graph. The nodes of the graph are obtained by sampling along rays that are sent through the surface points of a polyhedron. After the graph has been constructed, the minimal s-t cut is calculated to separate the glioblastoma from the background. For evaluation, 12 Magnetic Resonance Imaging (MRI) data sets were manually segmented slice by slice, by neurosurgeons with several years of experience in the resection of gliomas. Afterwards, the manual segmentations were compared with the results of the presented approach via the Dice Similarity Coefficient (DSC). For a better assessment of the DSC results, the manual segmentations of the experts were also compared with each other and evaluated via the DSC. In addition, the 12 data sets were segmented once again by one of the neurosurgeons after a period of two weeks, to also measure the intra-physician deviation of the DSC.

研究の動機と目的

• MRIスキャンにおける正確で効率的な膠芽腫瘍体積評価のための自動化手法を開発すること。
• 臨床医による手動セグメンテーションの時間的負担を軽減すること。
• 提案手法の性能を複数のエキスパートによる手動セグメンテーションと照合して評価すること。
• 手動セグメンテーションにおけるエキスパート間およびエキスパート内ばらつきをベンチマークとして評価し、自動化手法の性能を検証すること。
• 膠芽腫瘍フォローアップに応用可能な信頼性が高く、再現性があり、臨床的に適用可能な自動セグメンテーション手法を確立すること。

提案手法

• 腫瘍内にユーザーが定義したシードポイントを用いて、3次元グラフの構築を開始する。
• 多面体の表面点を通じてシードポイントからレイを発射し、3次元ボリューム内のノードをサンプリングする。
• グラフはノードが画像ボクセルを表し、エッジが強度および空間的関係を符号化するように構造化される。
• グラフエネルギーの最小化に基づき、腫瘍（ソース）と背景（シンク）を分離するため、最小s-tカットアルゴリズムが適用される。
• セグメンテーション結果は最小カットから得られ、効果的に腫瘍境界が特定される。
• 性能評価のため、本手法はエキスパートの手動セグメンテーションを基準として利用する。

実験結果

リサーチクエスチョン

• RQ1 提案されたグラフベース手法は、エキスパートによる手動分離と比較して、どの程度正確に膠芽腫瘍をセグメンテーションできるか？
• RQ2 自動化手法の性能は、手動セグメンテーションにおけるエキスパート間のばらつきと比較してどうなるか？
• RQ3 神経外科学医による手動セグメンテーションにおいて、時間経過に伴うインtra-observerばらつきはどの程度か？
• RQ4 提案手法は多様なMRIスキャンにおいて一貫性があり、信頼性のある腫瘍体積推定を達成できるか？
• RQ5 複数のエキスパートによるセグメンテーションを用いることで、自動セグメンテーション手法の評価の信頼性がどの程度向上するか？

主な発見

• 提案された自動セグメンテーション手法は、神経外科学医間のエキスパート間ばらつきと同等のDice類似係数（DSC）を達成した。
• 自動手法とエキスパートセグメンテーションとの平均DSCは高く、手動分離と強い一致を示した。
• エキスパート間DSC値がベンチマークとして用いられ、自動手法はこの範囲内で性能を発揮しており、臨床的信頼性を示唆した。
• 1名のエキスパートが2週間後に再びセグメンテーションを実施した結果、イントラ医師DSC値に中程度のばらつきが認められ、手動セグメンテーションの一貫性の難しさが浮き彫りになった。
• 本手法は12例の多様なMRIデータセットにおいて頑健性を示し、実臨床データへの一般化可能性を示した。
• 複数のエキスパートセグメンテーションの活用により、自動手法の性能評価がより信頼性があり包括的になった。