[論文レビュー] Fully automated 3D segmentation of dopamine transporter SPECT images using an estimation-based approach

Ziping Liu, Hae Sol Moon+4 more|arXiv (Cornell University)|Jan 17, 2021

Parkinson's Disease Mechanisms and Treatments参考文献 60被引用数 5

ひとこと要約

本論文は、ドーパミン送達体SPECT画像における尾状体、被殻、淡汎球の完全自動3次元セグメンテーションのための推定ベースの深層学習手法を提案する。エンコーダ・デコーダネットワークを用い、MR由来の部分体積分布に対してバイナリクロスエントロピー損失を最小化するように学習させた手法は、Dice類似係数約0.80を達成し、ノイズ、部分体積効果、被検者頭部の傾きに対して高い精度と頑健性を示した。

ABSTRACT

Quantitative measures of uptake in caudate, putamen, and globus pallidus in dopamine transporter (DaT) brain SPECT have potential as biomarkers for the severity of Parkinson disease. Reliable quantification of uptake requires accurate segmentation of these regions. However, segmentation is challenging in DaT SPECT due to partial-volume effects, system noise, physiological variability, and the small size of these regions. To address these challenges, we propose an estimation-based approach to segmentation. This approach estimates the posterior mean of the fractional volume occupied by caudate, putamen, and globus pallidus within each voxel of a 3D SPECT image. The estimate is obtained by minimizing a cost function based on the binary cross-entropy loss between the true and estimated fractional volumes over a population of SPECT images, where the distribution of the true fractional volumes is obtained from magnetic resonance images from clinical populations. The proposed method accounts for both the sources of partial-volume effects in SPECT, namely the limited system resolution and tissue-fraction effects. The method was implemented using an encoder-decoder network and evaluated using realistic clinically guided SPECT simulation studies, where the ground-truth fractional volumes were known. The method significantly outperformed all other considered segmentation methods and yielded accurate segmentation with dice similarity coefficients of ~ 0.80 for all regions. The method was relatively insensitive to changes in voxel size. Further, the method was relatively robust up to +/- 10 degrees of patient head tilt along transaxial, sagittal, and coronal planes. Overall, the results demonstrate the efficacy of the proposed method to yield accurate fully automated segmentation of caudate, putamen, and globus pallidus in 3D DaT-SPECT images.

研究の動機と目的

• 3次元ドーパミン送達体SPECT画像における小さな、ノイジーな脳領域（尾状体、被殻、淡汎球）の正確なセグメンテーションの課題に対処すること。
• SPECT画像における部分体積効果、システムノイズ、生理的ばらつきの制限を克服すること。
• 画像解像度の変化や被検者頭部の位置に頑健な完全自動セグメンテーション手法を開発すること。
• パーキンソン病の重症度の定量的バイオマーカーの正確性を向上させるために、信頼性の高い領域への取り込み測定を可能にすること。
• MRIから得られる集団レベルのデータを活用し、確率的部分数体積推定を介してSPECTセグメンテーションを支援・改善すること。

提案手法

• 本手法は、各ボクセル内における各脳領域の部分数体積占有の事後平均を推定する深層エンコーダ・デコーダニューラルネットワークを用いる。
• ネットワークは、集団のSPECT画像に対して予測された部分数体積と真の部分数体積の間のバイナリクロスエントロピー損失に基づくコスト関数を最小化することで学習される。
• 真の部分数体積分布は、臨床集団の画像を共登録したMRIスキャンから得られ、システム解像度の制限と組織分率効果をモデル化する。
• 本手法は、空間的解像度の制限と部分ボクセル組織構成の2つの部分体積効果の原因を明示的に考慮する。
• 定量的検証を可能にするために、真の部分数体積が既知のリアルなSPECTシミュレーションを用いて手法を評価する。
• アーキテクチャは、ボクセルサイズの変化および横断的・冠状的・矢状的平面における±10°までの被検者頭部の傾きに対して頑健であるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 推定ベースの深層学習アプローチは、DaT-SPECT画像における小さな基底核構造の正確な3次元セグメンテーションを達成できるか？
• RQ2 ノイズや部分体積効果を含む現実的な臨床状態下で、この手法はどの程度の性能を示すか？
• RQ3 画像解像度の変化や被検者頭部の位置に起因する変動に対して、この手法はどの程度の頑健性を示すか？
• RQ4 Dice類似係数と頑健性の観点から、既存のセグメンテーション技術と比較して、この手法はどのように差をつけるか？
• RQ5 集団レベルのMRI由来の部分数体積分布は、SPECTセグメンテーションを効果的に支援できるか？

主な発見

• 提案手法は、全3領域（尾状体、被殻、淡汎球）でDice類似係数約0.80を達成し、高いセグメンテーション精度を示した。
• 同じシミュレーション条件下で、本研究で評価された他のすべてのセグメンテーション手法よりも顕著に優れた性能を示した。
• ボクセルサイズの変化に対して相対的に感度が低く、さまざまな解像度設定でも一貫した性能を維持した。
• 横断的・冠状的・矢状的の3つの解剖的平面において、±10°までの被検者頭部の傾きに対しても、依然として頑健であった。
• 集団ベースのMRI由来の部分数体積分布の使用により、SPECT画像における部分体積効果の処理能力が向上した。
• 本手法は、パーキンソン病における定量的バイオマーカー抽出に適した完全自動で信頼性の高いセグメンテーションを可能にした。