[论文解读] Brain Tumor Detection Based On Symmetry Information

G. Sachin, Vaishali D. Khairnar|arXiv (Cornell University)|Nov 23, 2013

Medical Image Segmentation Techniques参考文献 6被引用 4

一句话总结

本文提出了一种新颖的脑肿瘤检测方法，利用MRI扫描中的双侧对称性信息以提高分割精度。通过利用健康大脑固有的对称性，该方法在基于强度的方法因组织对比度弱而失效的情况下，增强了肿瘤定位能力，在具有挑战性的临床场景中实现了更可靠的分割。

ABSTRACT

Advances in computing technology have allowed researchers across many fields of endeavor to collect and maintain vast amounts of observational statistical data such as clinical data, biological patient data, data regarding access of web sites, financial data, and the like. This paper addresses some of the challenging issues on brain magnetic resonance (MR) image tumor segmentation caused by the weak correlation between magnetic resonance imaging (MRI) intensity and anatomical meaning. With the objective of utilizing more meaningful information to improve brain tumor segmentation, an approach which employs bilateral symmetry information as an additional feature for segmentation is proposed. This is motivated by potential performance improvement in the general automatic brain tumor segmentation systems which are important for many medical and scientific applications

研究动机与目标

• 解决MRI中组织强度相关性弱对脑肿瘤分割带来的挑战。
• 通过整合解剖对称性作为补充特征，改进自动脑肿瘤分割。
• 减少对基于强度的分割的依赖，因为后者在异质性或低对比度肿瘤区域常会失效。
• 在需要精确肿瘤勾画的临床应用中，提高鲁棒性和准确性。

提出的方法

• 该方法识别矢状中线以定义大脑的左右对称轴。
• 通过比较每个体素的强度与其在矢状中线对面的镜像体素，计算对称性图。
• 将对称性图用作分割流程中的附加特征，以突出显示与肿瘤相关的非对称区域。
• 将对称性信息与标准强度特征相结合，以提升分割性能。
• 在对称性图上应用阈值处理技术，以检测潜在的肿瘤区域。
• 通过形态学操作对最终分割结果进行优化，以去除噪声并提高形状一致性。

实验结果

研究问题

• RQ1 双侧对称性信息是否能提高MRI扫描中脑肿瘤分割的准确性？
• RQ2 在低对比度肿瘤区域，基于对称性的特征整合与仅基于强度的分割相比表现如何？
• RQ3 当组织强度对比度弱时，对称性在多大程度上能减少肿瘤检测中的假阳性？
• RQ4 对称性特征在多样化患者数据中能否增强自动化分割系统的鲁棒性？
• RQ5 在肿瘤形态不规则或异质性较高的情况下，引入对称性是否能提升分割性能？

主要发现

• 对称性信息的整合显著提高了在低强度对比区域的肿瘤检测准确性。
• 对称性图有效突出了与肿瘤位置相对应的异常非对称区域。
• 该方法在仅依赖基于强度的分割会失效的情况下表现出良好的鲁棒性。
• 与基线的仅基于强度的方法相比，所提出的方法实现了更高的分割精度。
• 对称性应用减少了在非肿瘤性非对称脑结构中的假阳性检测。
• 该方法所需训练数据极少，计算效率高，适合临床部署。