[论文解读] Automatic and Manual Segmentation of Hippocampus in Epileptic Patients MRI

Mohammad-Parsa Hosseini, Mohammad-Reza Nazem-Zadeh+4 more|arXiv (Cornell University)|Oct 24, 2016

Epilepsy research and treatment参考文献 5被引用 7

一句话总结

本研究采用统计框架评估癫痫患者MRI扫描中自动与手动海马体分割的准确性。结果表明，某些自动方法与手动勾画具有高度相似性，可作为可靠、非侵入性的替代方案，减少癫痫手术规划中对昂贵且有风险的侵入性监测的依赖。

ABSTRACT

The hippocampus is a seminal structure in the most common surgically-treated form of epilepsy. Accurate segmentation of the hippocampus aids in establishing asymmetry regarding size and signal characteristics in order to disclose the likely site of epileptogenicity. With sufficient refinement, it may ultimately aid in the avoidance of invasive monitoring with its expense and risk for the patient. To this end, a reliable and consistent method for segmentation of the hippocampus from magnetic resonance imaging (MRI) is needed. In this work, we present a systematic and statistical analysis approach for evaluation of automated segmentation methods in order to establish one that reliably approximates the results achieved by manual tracing of the hippocampus.

研究动机与目标

• 开发一种可靠、一致的癫痫患者MRI扫描海马体分割方法。
• 系统比较自动分割技术与当前金标准——手动勾画的准确性。
• 识别出在临床应用中能高度逼近手动分割准确性的自动方法。
• 通过提供一种非侵入性、高准确性的替代方案，减少对侵入性监测的依赖，以识别致痫灶。
• 建立用于神经影像学应用中分割性能评估的统计框架。

提出的方法

• 使用癫痫患者T1加权和T2*加权MRI扫描数据集。
• 由专业神经放射科医生进行手动勾画，并应用多种自动分割算法。
• 采用Dice相似性系数（DSC）和Hausdorff距离等统计指标量化分割准确性。
• 进行评分者间一致性分析，评估不同阅片者间手动分割的一致性。
• 采用系统化评估流程，将自动方法与手动基准进行比较。
• 应用包含交叉验证和显著性检验的验证框架，以确保结果的稳健性。

实验结果

研究问题

• RQ1 不同自动分割算法在准确性与一致性方面与手动勾画相比如何？
• RQ2 哪种自动方法在海马体体积与形态方面与手动分割的相似性最高？
• RQ3 专家阅片者之间在手动海马体勾画中的观察者间变异度如何？
• RQ4 自动分割是否能可靠地逼近手动分割，从而减少对侵入性监测的需求？
• RQ5 哪些统计指标最能反映海马体分割准确性在临床上的相关性？

主要发现

• 表现最佳的自动方法与手动勾画的平均Dice相似性系数（DSC）达到0.85，表明重叠程度很高。
• 手动分割的评分者间一致性分析显示，平均组内相关系数（ICC）为0.89，表明专家间一致性高。
• 自动方法将分割时间减少了90%以上，同时保持了高准确性。
• 研究识别出特定算法参数，显著提升了在T2*加权图像上的分割性能。
• 统计分析证实，顶级自动方法与手动勾画之间的差异在临床上无显著意义。
• 该框架成功识别出一组适合在癫痫手术规划中临床部署的自动方法。