[论文解读] Pituitary Adenoma Segmentation

Jan Egger, M. Bauer+3 more|arXiv (Cornell University)|Jan 1, 2010

Pituitary Gland Disorders and Treatments参考文献 14被引用 16

一句话总结

本文提出了一种基于球形图的最小割算法，用于在MRI中实现快速、一键式的垂体腺瘤分割。与专家手动分割相比，该方法的平均Dice相似性系数达到77.49% ± 4.52%，同时将分割时间从平均3.91分钟缩短至每例少于4秒。

ABSTRACT

Sellar tumors are approximately 10-15% among all intracranial neoplasms. The most common sellar lesion is the pituitary adenoma. Manual segmentation is a time-consuming process that can be shortened by using adequate algorithms. In this contribution, we present a segmentation method for pituitary adenoma. The method is based on an algorithm we developed recently in previous work where the novel segmentation scheme was successfully used for segmentation of glioblastoma multiforme and provided an average Dice Similarity Coefficient (DSC) of 77%. This scheme is used for automatic adenoma segmentation. In our experimental evaluation, neurosurgeons with strong experiences in the treatment of pituitary adenoma performed manual slice-by-slice segmentation of 10 magnetic resonance imaging (MRI) cases. Afterwards, the segmentations were compared with the segmentation results of the proposed method via the DSC. The average DSC for all data sets was 77.49% +/- 4.52%. Compared with a manual segmentation that took, on the average, 3.91 +/- 0.54 minutes, the overall segmentation in our implementation required less than 4 seconds.

研究动机与目标

• 开发一种自动化、高效且准确的垂体腺瘤MRI分割方法，以支持纵向肿瘤体积监测。
• 将先前已验证的基于图的分割方案（原用于多形性胶质母细胞瘤）适配至垂体腺瘤。
• 通过Dice相似性系数（DSC）评估该方法与专家手动分割的性能表现。
• 与神经外科医生逐切片手动分割相比，显著减少分割时间。
• 为垂体腺瘤患者临床随访提供可靠、可重复的肿瘤体积测量。

提出的方法

• 该方法通过从用户定义的腺瘤中心种子点向多面体表面点发射射线，构建三维有向图。
• 在每条射线上采样节点，形成图的顶点V，通过连接至源点s和汇点t的边E，实现s-t割计算。
• 利用多项式时间s-t最小割算法，计算最小代价闭合集，以确定最优分割边界。
• 算法采用固定的5厘米射线长度，基于数据集中观察到的最大肿瘤尺寸。
• 使用C++在MeVisLab平台实现，以实现高效的三维图像处理。
• 分割通过在肿瘤内部定义一个用户指定的种子点启动，实现一键式分割。

实验结果

研究问题

• RQ1 基于图割的分割方法能否在MRI中实现垂体腺瘤的高精度与高速度？
• RQ2 与专家手动分割相比，该方法在Dice相似性系数（DSC）上的表现如何？
• RQ3 该方法能否在保持临床可接受精度的前提下，将分割时间从数分钟缩短至4秒以内？
• RQ4 在临床MRI环境中，该方法在不同大小和形状的垂体腺瘤上具有多大程度的泛化能力？
• RQ5 该基于图的框架能否有效复用于其他球形或椭球形解剖结构及其病理？

主要发现

• 与专家手动分割相比，该方法在10例MRI病例中实现了77.49% ± 4.52%的平均Dice相似性系数（DSC）。
• 平均DSC范围为71.07%（最低）至84.67%（最高），表明在各病例中表现一致。
• 分割时间从手动分割的平均3.91 ± 0.54分钟显著降低至本方法每例少于4秒。
• 该方法在体积范围为0.84 cm³至15.57 cm³的肿瘤中表现出鲁棒性。
• 该实现可在标准硬件（Intel Core i5-750，8 GB RAM）上实现实时性能，适合临床集成。
• 结果表明，该方法是垂体腺瘤随访中纵向肿瘤体积评估的可行替代方案。