[论文解读] Computer Aided Automatic Brain Segmentation from Computed Tomography Images using Multilevel Masking.

Soumi Ray, Vinod Kumar+2 more|arXiv (Cornell University)|Sep 11, 2018

Medical Image Segmentation Techniques参考文献 17被引用 2

一句话总结

本文提出了一种完全自动、快速且准确的方法，通过多层次掩码技术实现从多切片CT扫描中对完整脑实质进行分割。该方法采用自动种子点选择和区域生长技术，生成两个掩码——一个用于脑实质，另一个包含颅骨——从而实现跨切片的鲁棒、连续传播，准确率超过96%，灵敏度高。

ABSTRACT

Computed tomography imaging is well accepted for its imaging speed, image contrast & resolution and cost. Thus it has wide use in detection and diagnosis of brain diseases. But unfortunately reported works on CT segmentation is not very significant. In this paper, a robust automatic segmentation system is presented which is capable of segment complete brain matter from CT slices, without any lose in information. The proposed method is simple, fast, accurate and completely automatic. It can handle multislice CT scan in single run. From a given multislice CT dataset, one slice is selected automatically to form masks for segmentation. Two types of masks are created to handle nasal slices in a better way. Masks are created from selected reference slice using automatic seed point selection and region growing technique. One mask is designed for brain matter and another includes the skull of the reference slice. This second mask is used as global reference mask for all slices whereas the brain matter mask is implemented on only adjacent slices and continuously modified for better segmentation. Slices in given dataset are divided into two batches, before reference slice and after reference slice. Each batch segmented separately. Successive propagation of brain matter mask has demonstrated very high potential in reported segmentation. Presented result shows highest sensitivity and more than 96% accuracy in all cases. Resulted segmented images can be used for any brain disease diagnosis or further image analysis.

研究动机与目标

• 解决在CT图像中对脑结构进行自动分割的研究不足问题。
• 开发一种能够对多切片CT数据集实现完全自动、准确且完整的脑实质分割的方法。
• 通过稳健处理鼻腔和颅骨区域，最大限度减少分割过程中的信息损失。
• 实现在单次运行中高效处理整个多切片CT扫描，无需人工干预。
• 通过跨切片自适应掩码传播，提高分割准确率和灵敏度。

提出的方法

• 从多切片数据集中自动选择一个参考CT切片，作为掩码生成的基础。
• 应用自动种子点选择和区域生长技术，从参考切片生成两个掩码：一个用于脑实质，另一个包含颅骨。
• 将包含颅骨的掩码用作所有切片的全局参考，以确保解剖一致性。
• 仅将脑实质掩码应用于相邻切片，并通过迭代更新以提高分割准确率。
• 将数据集划分为两批——参考切片之前和之后的切片——分别独立处理。
• 通过自适应修改实现脑实质掩码在切片间的连续传播，以保持高分割保真度。

实验结果

研究问题

• RQ1 是否能够通过完全自动的方法，在无需人工输入的情况下，实现对多切片CT扫描中脑实质的高精度分割？
• RQ2 多层次掩码结合区域生长与种子点选择在保留解剖细节和最小化信息损失方面的有效性如何？
• RQ3 连续掩码传播在多切片间对分割准确率的提升程度如何？
• RQ4 在处理鼻腔和颅骨等复杂区域时，该方法能否保持高灵敏度和准确率？
• RQ5 与现有方法相比，该方法在多切片CT数据上的处理速度、准确率和鲁棒性表现如何？

主要发现

• 所提出的方法在多切片CT扫描中对脑实质的分割准确率超过96%。
• 该系统在所有测试案例中均表现出高灵敏度，表明对脑结构的可靠检测能力。
• 使用全局包含颅骨的掩码确保了所有切片间一致的解剖参考。
• 脑实质掩码的连续传播显著提升了分割质量和鲁棒性。
• 该方法完全自动，能够在单次运行中处理整个多切片CT数据集，无需用户干预。
• 分割结果适用于后续应用，如脑疾病诊断和进一步的图像分析。