[논문 리뷰] Model-based Catheter Segmentation in MRI-images

André Mastmeyer, Guillaume Pernelle외 6명|arXiv (Cornell University)|2017. 05. 18.

Medical Image Segmentation Techniques참고 문헌 7인용 수 9

한 줄 요약

이 논문은 기계적 각도 스프링 모델과 영상 특징 검출을 융합하여 MRI 스캔에서 카테터의 하이브리드 모델 기반 분할 방법을 제안한다. 이는 하위 밀리미터 정확도를 달성한다. 환자별 기계적 모델을 사용해 카테터의 근위부 추적을 끝부리에서 유도함으로써, 영상 전용 접근 방식 대비 분할 이질점 수를 최대 75% 감소시킨다. 이로 인해 중앙값 오차는 1.05 mm이며, 오차 ≤2.88 mm인 경우 98%의 식별 정확도를 달성한다.

ABSTRACT

Accurate and reliable segmentation of catheters in MR-guided interventions remains a challenge, and a step of critical importance in clinical workflows. In this work, under reasonable assumptions, mechanical model based heuristics guide the segmentation process allows correct catheter identification rates greater than 98% (error 2.88 mm), and reduction in outliers to one-fourth compared to the state of the art. Given distal tips, searching towards the proximal ends of the catheters is guided by mechanical models that are estimated on a per-catheter basis. Their bending characteristics are used to constrain the image feature based candidate points. The final catheter trajectories are hybrid sequences of individual points, each derived from model and image features. We evaluate the method on a database of 10 patient MRI scans including 101 manually segmented catheters. The mean errors were 1.40 mm and the median errors were 1.05 mm. The number of outliers deviating more than 2 mm from the gold standard is 7, and the number of outliers deviating more than 3 mm from the gold standard is just 2.

연구 동기 및 목표

• 현재 수동 분할에 의존하는 MRI 유도 치료에서 신뢰할 수 있는 자동 카테터 분할 도구의 부족을 해결하기 위해.
• 분할 오차와 이질점을 줄임으로써 MRI 유도 카테터 절차의 임상 적용 가능성을 향상시키기 위해.
• 복잡한 MRI 아티팩트에서 강력한 카테터 추적을 위해 기계적 모델링과 영상 특징 검출을 융합한 방법을 개발하기 위해.
• 다양한 프rotocols를 가진 10명의 환자 MRI 스캔에서 101개의 카테터를 포함한 다양한 데이터셋에서 방법을 검증하기 위해.
• 하이브리드 모델-영상 유도가 순수 영상 기반 또는 순수 모델 기반 접근 방식보다 정확도와 강건성 면에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• 카테터의 굴곡을 시뮬레이션하기 위해 각도 스프링 모델을 사용하며, 카테터를 강성 $k_a = 2050\,\mu\text{Nm}$를 가진 각도 스프링으로 연결된 강성 요소들로 간주한다.
• 전진 모델은 고정된 기저부(근위부)에서부터 굴곡을 계산하고, 역운동학을 사용해 끝부리에서의 위치와 힘을 추정하는 역방향 모델을 사용한다.
• 힘과 강성에 기반한 재귀 방정식을 사용해 세그먼트별 굴곡 각도 $\alpha_i$, 누적 각도 $\alpha_{i}^{sum}$ 및 수직 힘 $F_i$를 계산한다.
• 알고리즘은 카테터 끝부리에서 원뿔형 검색을 수행하며, 모델 예측을 기반으로 후보 영상 특징 점을 제약한다.
• 모델 기반 및 영상 특징 기반 점을 융합하는 하이브리드 전략을 사용하며, 영향력을 조절하는 트레이드오프 파라미터 $d_{tol}$를 사용한다. 핵심 방법에선 $d_{tol} = 1$ mm를 사용한다.
• 기준 방향 $\vec{r}$ 및 기저 평면 $P$와 같은 모델 파라미터는 천골 브라키테라피에서의 비타민 E 캡슐과 같은 해부학적 랜드마크에서 추정된다.

실험 결과

연구 질문

• RQ1 각도 스프링 기반 기계적 모델이 영상 전용 접근 방식에 비해 MRI에서 카테터 분할 정확도를 향상시키는가?
• RQ2 모델 예측과 영상 특징을 융합함으로써 카테터 분할에서 이질점 감소에 어떤 영향을 미치는가?
• RQ3 MRI에서 강력한 카테터 추적을 위해 모델 유도와 영상 특징 검출 사이의 최적 균형은 무엇인가?
• RQ4 이 방법은 다양한 MRI 프로토콜과 카테터 구성에서 높은 정확도를 유지할 수 있는가?
• RQ5 모델 기반 유도가 잘못된 영상 특징에 의해 유도된 비현실적인 굴곡을 줄이는가?

주요 결과

• 하이브리드 방법(실험 3)은 Hausdorff 거리 >3 mm인 이질점 수를 15개에서 2개로 줄여, 영상 전용 분할 대비 1/6으로 감소시켰다.
• Hausdorff 거리 >2 mm인 이질점 수는 15개에서 7개로 줄었으며, 이는 53% 감소한 것이다. 2.88 mm 임계값에서 이질점 수가 2개에서 3개로 증가함을 고려하면 이는 유의미한 개선이다.
• 모든 카테터에 대해 중앙값 Hausdorff 거리는 1.05 mm이며, 평균은 1.40 mm, 표준편차는 1.15 mm였다.
• 오차 ≤2.88 mm인 경우 98% 이상의 카테터 식별률을 달성하였으며, 이는 기존 최고 수준의 방법에 비해 이질점 감소 면에서 뚜렷한 승리였다.
• Kruskal-Wallis 검정은 세 실험 간에 통계적으로 유의미한 차이가 있음을 확인했다($p < 0.001$). 순수 모델 기반 및 순수 영상 기반 방법은 높은 표준편차와 사분위율 범위로 인해 낮은 강건성을 보였다.
• 표준 Intel i7 3 GHz CPU에서 카테터당 분할 시간은 2초였으며, 이는 임상 적용 가능성을 시사한다.