[论文解读] Semi-Automatic Segmentation of Autosomal Dominant Polycystic Kidneys using Random Forests

Kanishka Sharma, Loïc Peter+6 more|arXiv (Cornell University)|Oct 23, 2015

Genetic and Kidney Cyst Diseases参考文献 9被引用 7

一句话总结

本文提出了一种半自动的3D分割方法，用于对比增强CT扫描中常染色体显性多囊肾病（ADPKD）肾脏的分割，采用结合测地距离体积的随机森林分类器。该方法通过在整体上提升分割准确性——尤其在左肾方面——相比基线方法平均提高了13.25%，显著改善了对复杂变形肾脏形态和囊性不均质性的处理能力。

ABSTRACT

This paper presents a method for 3D segmentation of kidneys from patients with autosomal dominant polycystic kidney disease (ADPKD) and severe renal insufficiency, using computed tomography (CT) data. ADPKD severely alters the shape of the kidneys due to non-uniform formation of cysts. As a consequence, fully automatic segmentation of such kidneys is very challenging. We present a segmentation method with minimal user interaction based on a random forest classifier. One of the major novelties of the proposed approach is the usage of geodesic distance volumes as additional source of information. These volumes contain the intensity weighted distance to a manual outline of the respective kidney in only one slice (for each kidney) of the CT volume. We evaluate our method qualitatively and quantitatively on 55 CT acquisitions using ground truth annotations from clinical experts.

研究动机与目标

• 解决严重肾功能不全且肾脏形态复杂的ADPKD患者中总肾体积（TKV）量化问题。
• 克服完全自动分割方法的局限性，包括囊肿生长不均、信号强度变化大以及与肝脏囊肿信号相似等问题。
• 开发一种最小交互的分割方法，在保持高分割精度的同时减少用户操作负担，适用于临床与科研应用。
• 评估在随机森林分类器中引入测地距离体积作为附加特征，对提升空间一致性与边界检测性能的影响。

提出的方法

• 利用基于单个肾脏中层切片手动分割结果生成的CT强度特征与测地距离体积，训练3D随机森林分类器。
• 将测地距离体积计算为从单个切片中手动勾画的肾脏轮廓出发的加权距离，为整个容积提供空间上下文信息。
• 使用体素级特征（包括局部强度、梯度与纹理信息）进行随机森林训练，并将测地距离作为额外输入通道。
• 将训练好的分类器应用于CT容积中所有体素的肾脏标签预测，最终分割结果通过所有决策树的多数投票确定。
• 在41名ADPKD患者提供的55组对比增强CT数据集上采用5折交叉验证评估性能。
• 对比有无测地距离体积的分割结果，以分离其对分割准确性的贡献。

实验结果

研究问题

• RQ1 基于随机森林的半自动分割方法是否能在对比增强CT中对严重变形的ADPKD肾脏实现鲁棒且准确的分割？
• RQ2 与仅使用强度特征相比，引入测地距离体积在多大程度上提升了分割性能？
• RQ3 考虑到右肾与信号特征相似的肝脏相邻，该方法在左肾与右肾上的表现如何，是否存在差异？
• RQ4 在具有高度形态可变性的多样化患者解剖结构中，测地距离体积的引入是否能带来一致的性能提升？
• RQ5 该方法是否能在保持高精度的同时减少用户交互，适用于临床试验中的TKV量化？

主要发现

• 在55例病例中，该方法在右肾分割中优于基线方法（无测地距离）的有35例，平均Dice评分提升13.25%。
• 在左肾分割中，该方法优于基线方法的有36例，平均Dice评分提升10.35%。
• 基线方法在右肾病例中仅在2%的情况下表现更优，左肾为2.42%，表明测地距离体积的引入能持续提升性能。
• 左肾整体分割性能优于右肾，主要原因是右肾与邻近肝脏信号特征相似，难以区分。
• 使用测地距离体积显著提升了空间一致性与边界勾画能力，尤其在形态复杂且强度不均的区域表现更优。
• 据作者所知，这是首个针对CT数据中ADPKD肾脏分割的半自动方法，填补了该疾病医学影像分析中的关键空白。