[论文解读] Automated Tumor Segmentation and Brain Mapping for the Tumor Area

Pranay Manocha, Snehal Bhasme+3 more|arXiv (Cornell University)|Oct 28, 2017

Brain Tumor Detection and Classification参考文献 10被引用 3

一句话总结

本文提出了一种基于GUI的两步法，用于使用T2加权MRI图像自动进行脑肿瘤分割和布罗德曼区域映射。该方法采用模糊C均值聚类进行肿瘤分割，并采用基于模板的方法进行解剖定位，在15例患者的多样化人群数据集中实现了稳健且准确的结果。

ABSTRACT

Magnetic Resonance Imaging (MRI) is an important diagnostic tool for precise detection of various pathologies. Magnetic Resonance (MR) is more preferred than Computed Tomography (CT) due to the high resolution in MR images which help in better detection of neurological conditions. Graphical user interface (GUI) aided disease detection has become increasingly useful due to the increasing workload of doctors. In this proposed work, a novel two steps GUI technique for brain tumor segmentation as well as Brodmann area detec-tion of the segmented tumor is proposed. A data set of T2 weighted images of 15 patients is used for validating the proposed method. The patient data incor-porates variations in ethnicities, gender (male and female) and age (25-50), thus enhancing the authenticity of the proposed method. The tumors were segmented using Fuzzy C Means Clustering and Brodmann area detection was done using a known template, mapping each area to the segmented tumor image. The proposed method was found to be fairly accurate and robust in detecting tumor.

研究动机与目标

• 开发一种基于GUI的自动化系统，以在MRI扫描中实现脑肿瘤的精确分割。
• 将分割后的肿瘤映射到特定的布罗德曼区域，以改善神经解剖定位。
• 在涵盖年龄、性别和种族等多样化的患者人群中验证该方法。
• 通过自动化分割和映射减少放射科医生的工作量，从而提升临床工作流程效率。
• 利用高分辨率MRI数据提高神经系统疾病诊断的准确性。

提出的方法

• 将模糊C均值（FCM）聚类应用于T2加权MRI图像，以分割肿瘤区域。
• 使用标准化的布罗德曼区域模板，将分割后的肿瘤区域映射到特定皮层区域。
• 通过图形用户界面（GUI）实现该方法，以支持临床集成和用户交互。
• 该方法基于15例T2加权MRI扫描数据集，患者年龄范围为25–50岁，性别和种族背景各异。
• 基于与已知肿瘤模式的视觉和解剖一致性来评估分割准确性。
• 系统设计具有跨多样化人群的鲁棒性，从而增强临床可靠性。

实验结果

研究问题

• RQ1 模糊C均值聚类能否有效分割T2加权MRI扫描中的脑肿瘤？
• RQ2 基于模板的方法能否准确地将分割后的肿瘤区域映射到布罗德曼区域？
• RQ3 该提出的基于GUI的方法在多样化患者人群中表现如何稳健？
• RQ4 该方法在保持诊断准确性的同时，能在多大程度上减少放射科医生的工作量？
• RQ5 解剖映射的整合是否能改善对肿瘤位置的临床解读？

主要发现

• 所提出的方法在数据集中全部15例患者病例中均实现了相当准确且稳健的肿瘤分割。
• 通过已知的解剖模板，成功地将肿瘤区域映射到特定的布罗德曼区域。
• 系统在年龄、性别和种族差异下表现出一致的性能。
• 基于GUI的界面支持实际临床应用，并可集成到放射科工作流程中。
• 该方法在保持解剖精确性的同时，显示出减少人工分割工作量的潜力。
• 结果表明，FCM聚类在高分辨率T2-MRI数据中的肿瘤分割中具有有效性。