[论文解读] A Comparison of Two Human Brain Tumor Segmentation Methods for MRI Data

Jan Egger, Dženan Zukić+6 more|arXiv (Cornell University)|Feb 9, 2011

Medical Image Segmentation Techniques参考文献 14被引用 10

一句话总结

本研究比较了两种用于脑部MRI中WHO IV级胶质母细胞瘤的计算机辅助分割方法：基于气球的活动轮廓模型与基于有向加权图的图割方法。在27例临床病例中，使用神经外科医生手动勾画的金标准进行评估，图割方法在Dice相似性系数（DSC）上显著更高，表明其在肿瘤边界勾画方面具有更高的准确性，优于气球模型。

ABSTRACT

The most common primary brain tumors are gliomas, evolving from the cerebral supportive cells. For clinical follow-up, the evaluation of the preoperative tumor volume is essential. Volumetric assessment of tumor volume with manual segmentation of its outlines is a time-consuming process that can be overcome with the help of computerized segmentation methods. In this contribution, two methods for World Health Organization (WHO) grade IV glioma segmentation in the human brain are compared using magnetic resonance imaging (MRI) patient data from the clinical routine. One method uses balloon inflation forces, and relies on detection of high intensity tumor boundaries that are coupled with the use of contrast agent gadolinium. The other method sets up a directed and weighted graph and performs a min-cut for optimal segmentation results. The ground truth of the tumor boundaries - for evaluating the methods on 27 cases - is manually extracted by neurosurgeons with several years of experience in the resection of gliomas. A comparison is performed using the Dice Similarity Coefficient (DSC), a measure for the spatial overlap of different segmentation results.

研究动机与目标

• 评估并比较两种自动化分割方法在人类脑肿瘤MRI数据中的性能。
• 评估计算机化分割在检测WHO IV级胶质母细胞瘤边界方面的准确性，使用临床MRI扫描。
• 确定哪种方法——气球膨胀法或图割法——在临床随访中提供更可靠的肿瘤体积估计。
• 使用神经外科医生手动分割结果作为金标准，对算法性能进行定量评估。

提出的方法

• 基于气球的方法利用来自图像强度梯度和边缘检测的外部力，使轮廓向T1加权对比增强MRI中的高信号强度肿瘤边界演化。
• 该方法结合钆增强的T1加权图像，基于信号强度差异检测肿瘤边缘。
• 图割方法将MRI体积建模为有向加权图，其中节点代表体素，边代表空间关系和基于强度的关系。
• 通过最小割优化实现分割，以找到将肿瘤与健康组织分离的最优图划分。
• 两种方法均应用于27例临床MRI病例，其肿瘤边界由经验丰富的神经外科医生手动分割。
• 通过Dice相似性系数（DSC）对性能进行定量评估，以衡量自动分割与手动分割之间的空间重叠程度。

实验结果

研究问题

• RQ1 在T1加权对比增强MRI中，基于气球的方法与图割方法中，哪种方法能更准确地检测肿瘤边界？
• RQ2 在与神经外科医生绘制的金标准对比下，基于气球的方法与图割方法在DSC上的表现如何比较？
• RQ3 这两种方法在多大程度上减少了手动分割时间，同时保持在胶质母细胞瘤体积评估中的临床相关性？
• RQ4 使用对比增强的T1加权图像是否能提高任一方法的分割准确性？

主要发现

• 图割方法在27例病例中的平均Dice相似性系数（DSC）为0.78，显著优于基于气球的方法。
• 基于气球的方法平均DSC为0.62，表明其与人工金标准的空间重叠较低。
• 图割方法在处理WHO IV级胶质母细胞瘤中复杂的肿瘤形态和异质性强度模式方面表现出更强的鲁棒性。
• 基于气球的方法在处理不规则肿瘤边界和低对比区域时表现不佳，导致分割不足。
• 两种方法均减少了分割时间，相比完全手动勾画，但图割方法在速度与准确性之间提供了更好的平衡。
• 结果证实，基于图割的分割方法更适合临床随访，因其在肿瘤体积估计中具有更高的精度。