[论文解读] Towards Direct Medical Image Analysis without Segmentation

Xiantong Zhen, Shuo Li|arXiv (Cornell University)|Oct 21, 2015

Medical Image Segmentation Techniques参考文献 4被引用 9

一句话总结

本文提出了一种直接的医学影像分析方法，通过端到端学习从医学影像到临床测量值的映射，绕过传统的中间步骤（如分割、配准和跟踪）。通过结合统计模型与基于学习的模型，该方法实现了心脏容积和功能异常的精确、高效且实时的估计，在性能和计算效率方面均优于传统方法。

ABSTRACT

Direct methods have recently emerged as an effective and efficient tool in automated medical image analysis and become a trend to solve diverse challenging tasks in clinical practise. Compared to traditional methods, direct methods are of much more clinical significance by straightly targeting to the final clinical goal rather than relying on any intermediate steps. These intermediate steps, e.g., segmentation, registration and tracking, are actually not necessary and only limited to very constrained tasks far from being used in practical clinical applications; moreover they are computationally expensive and time-consuming, which causes a high waste of research resources. The advantages of direct methods stem from extbf{1)} removal of intermediate steps, e.g., segmentation, tracking and registration; extbf{2)} avoidance of user inputs and initialization; extbf{3)} reformulation of conventional challenging problems, e.g., inversion problem, with efficient solutions.

研究动机与目标

• 消除医学影像分析中对分割、配准和跟踪等中间步骤的依赖，这些步骤易引入错误。
• 解决传统方法在临床应用中效率低下且计算成本过高的问题。
• 开发统一框架，直接从影像中估计单腔室、双心室及四腔结构的心脏容积。
• 实现实时、精确的心脏功能异常诊断，无需分割或跟踪心脏边界。
• 通过数据驱动学习更高效地解决具有挑战性的逆问题，如个性化心脏电生理模型。

提出的方法

• 直接容积估计利用统计图像特征——特别是基于巴氏系数的分布——来建模图像外观与心室容积之间的非线性关系。
• 采用神经网络和多输出回归随机森林，将图像特征直接映射到临床测量值，绕过分割步骤。
• 对于双心室和四腔结构容积估计，应用基于监督描述符学习和回归随机森林的统一、数据驱动框架。
• 在早期方法中，采用贝叶斯模型结合模板平均法，实现双心室容积的联合估计。
• 应用随机森林以提高联合容积估计的效率，且无需假设参数化模型。
• 对于逆问题（如估计心脏电扩散系数），使用多项式回归直接从12导联心电图数据学习逆映射。

实验结果

研究问题

• RQ1 是否可以在不进行分割或任何中间处理步骤的情况下，实现心脏容积的精确估计？
• RQ2 是否可以使用单一统一框架，直接从影像中估计单腔室、双心室及四腔心脏结构的容积？
• RQ3 是否可以不依赖分割或心脏边界跟踪，直接实现区域心肌功能异常的诊断？
• RQ4 直接方法是否能高效解决心脏建模中计算成本高昂的逆问题（如参数个性化）？
• RQ5 与基于分割的传统方法相比，直接学习方法在准确性和效率方面表现如何？

主要发现

• 利用基于巴氏系数的图像统计特征与神经网络，直接估计左心室容积，实现了无需分割的精确射血分数估计。
• 采用随机森林与全数据驱动框架进行联合双心室容积估计，相较于基于模型或依赖分割的方法，显著提升了效率与准确性。
• 通过多输出回归随机森林，成功开发了用于同步四腔结构容积估计的统一框架，这是首个适用于多种心室结构的通用解决方案。
• 通过与各节段血流比例相关的统计特征，实现直接分类区域心脏功能，实现了无需分割或跟踪的实时、精确评估。
• 通过多项式回归从12导联心电图数据驱动估计心脏电扩散系数，结果比传统逆问题求解方法更快、更准确。
• 直接方法显著降低了计算成本，并消除了中间步骤带来的误差传播，实现了临床实用化部署。