３次元医療画像に対する領域分割に関する研究の調査

1. ３次元医療画像に対する領域分割に関する研究の調査３次元医療画像に対する領域分割に関する研究の調査 ２００４年１１月９日 森井　

2. 発表内容 • 背景 • パラメータ入力による半自動領域分割法 • ユーザーの手動領域分割を利用した半自動領域分割法 • 発表者の研究との関係

3. 背景 • 診断、手術計画へ医療画像の利用 • ３次元画像はデータ量が多く、人間の負担が大きい • 画像から対象部分を抽出する補助としてコンピュータの利用 Ｘ軸 Ｙ軸 Ｚ軸

4. 領域分割手法 • 自動領域分割 • 特定の部分を対象とした領域分割 • 対象物の特徴を利用する • 位置情報 • 画素の濃淡値、分散 • 半自動領域分割 • ユーザーが介入して行う領域分割と、自動で行う領域分割を組み合わせる • 対象は特定の物のみではない

5. パラメータ入力による半自動領域分割法 • Segmentation of 3-D medical image data sets with a combination of region based initial segmentation and active surfaces • Regina Pohle, Thomas Behlau, Klaus D. Toennies • Medical Imaging conference 5032-135 2003 • Otto-von-Guericke University Magdeburg, Department of Simulation and Graphics

6. 領域分割の流れ • 大まかな領域分割 • 画像の縮小化 • ユーザーの入力 • グラフ探索による領域分割処理 • 細かな領域分割 • ユーザーの入力 • 内部力、外部力による領域分割処理

7. 本手法の特徴 • 領域分割を２段階に分けている • 最初に大まかな領域分割を行う • 処理時間の短縮

8. 画像の縮小化 • 領域分割の処理時間削減のために画像のサイズを小さくする • ２次元画像をそれぞれ512*512から64*64にする • スライス方向は２分の１の解像度にする • 元の画像はスライス幅は2.5mm、２次元画像の解像度は0.74mm ３次元画像はデータ量が大きく、処理に時間がかかるため すべての軸について解像度が同じになる

9. ユーザーの入力 • ユーザーは対象領域とそれ以外の領域をいくつかの線で示す • １０個くらいあれば十分 • 下図では赤線は対象領域内、青線は対象領域外となっている

10. グラフ探索 • 画素はそれぞれグラフのノードとしてみる • 隣接画素としては隣接する６画素（６近傍）とする • グラフのエッジのコストは画素の濃度差とする • 動的計画法を用いてパスのコストを計算する 面で接している画素を隣接する画素とする

11. グラフ探索 • 対象領域の内部の点からスタートして外部の点にたどり着いたら終了 領域分割結果

12. 領域分割の流れ • 大まかな領域分割 • 画像の縮小化 • ユーザーの入力 • グラフ探索による領域分割処理 • 細かな領域分割 • ユーザーの入力 • 内部力、外部力による領域分割処理

13. 細かな領域分割 • 画像は縮小化した画像ではなく、元のサイズの画像を使用する • 移動平均フィルタで境界線を滑らかにする • 領域内を１、領域外を０とする • フィルタをかけた結果が０．５以上であれば１、０．５より小さければ０にする • マーチングキューブ法を使って領域の表面を決める • 頂点の数はユーザーが決められる • 少ないと処理時間が短く、精度が低くなる • 多いと精度が高く、処理時間が長くなる

14. マーチングキューブ法 • 立体を表現するのに８画素まとめて扱う • ８画素の内、どの画素が対象領域内の画素かで領域の表面を決める

15. 内部力 • 各頂点のエネルギーは下の式で決める • 外部力Ｐは各頂点を本当の境界へ引き寄せる力 • これは画像の勾配に依存して決まる • 内部力は表面の形から決まる力 • Ｗ０１とｗ１０は表面の弾力を表している • Ｗ０２とｗ２０は表面の硬さを表している • Ｗ１１は曲がることに対する抵抗力を表している 内部力 外部力

16. 外部力 • 下の式で外部力を定義する

17. 境界となった部分 領域の境界 この部分の濃淡値と勾配を見ると 濃淡値のグラフ 勾配のグラフ 結果

18. 実験 • 対象は512x512x90の画像 • 精度は手動の領域分割の平均との差を見る

19. 領域分割の結果 手動領域分割結果 本手法による領域分割結果 領域分割結果の３次元表示

20. 結果 • 本手法による領域分割の結果は、手動で行った場合と比べて平均で８％の違いがあるが、手動の領域分割同士での差が１０％あることから十分良い結果だといえる • この領域分割法は肝臓を対象とした場合、手動の領域分割と比べて同程度の結果を得ることができた

21. 手動領域分割の結果を利用した半自動領域分割法手動領域分割の結果を利用した半自動領域分割法 • Efficient Semiautomatic Segmentation of 3D Objects in Medical Images • Andrea Schenk, Guido Prause, and Heinz-Otto Peitgen • Proc. of Medical Image Computing and Computer-assisted Interverntion (MICCAI, Pittsburgh, PA, October), Springer, LNCS, Vol. 1935, 186-195, 2000 • Center for Medical Diagnostic Systems and Visualization Universitaetsallee 29, 28359 Bremen, Germany

22. 領域分割の流れ • live wire algorithmを利用した手動領域分割 • いくつかのスライスに対して行う • 手動で行わなかったスライスに対して自動領域分割を行う • 結果の最適化 • 自動で行った画像の領域分割結果がユーザーの意図と合ってない場合に行う

23. 本手法の特徴 • 領域分割は各スライスごとに行う • 最初に手動で領域分割を行う • 手動の部分でも補助をするツールが作られており、かなり時間は短縮されている • 自動の部分は手動領域分割を行ったスライスの結果を利用して行う

24. live wire algorithm • 重みつきグラフに変換 • 頂点は画像のピクセルを対応させる • エッジのコスト関数はラプラシアンと画素の濃度で決まる • 始点からマウスの位置までの最小のコストの経路を計算する • 計算結果は常にディスプレイ上に表示する • 始点からマウスの位置までの境界候補の線を表示する • この線は動的計画法で計算された経路

25. live wire algorithm 始点を赤、マウスの位置を青、境界線を黄とする 始点からの距離が遠くなるとうまく境界が設定されないので、ある程度の距離で次の点を指定する

26. Shape-Based Interpolation • 手動（Live Wire）で領域分割を行ったスライス以外を以下の方法で領域分割を行う • 手動で境界を作った画像に対して、境界線からの距離を計算する • 複数の距離画像から線形変換で間にある画像の距離画像を作る • 距離画像から境界を算出する

27. live wire algorithmとShape-Based Interpolationの組み合わせ • ユーザーは２つの方法の実行を自由に決定できる • 端のスライスについてはLive Wireでする必要がある • 自動で行うためには、両側に手動で行った画像から作成した距離画像が必要なため • 自動で行ったスライスはユーザーの意図に近くならない場合があるので後で境界を最適化する

28. 境界の最適化 • 不要な境界を削除する • 自動で領域分割を行った画像には不要な境界がある場合があるのでその境界を削除する • 新しい頂点の挿入 • 元々あった頂点の削除 • 頂点の移動 ２つの境界があるが真中の画素でつながっている

29. 実験 • 画像は３次元ＣＴ画像を５セット • 取り出す対象は肝臓 • ３人に対して実験を行い、どの程度差が出るかを見る

30. 領域分割の結果

31. 結果 • 手動の領域分割（１スライス） • 所要時間は６～１１秒 • 頂点として４～６点

32. 結果

33. 結果 • 肝臓のような比較的はっきりしているものに対しては良い結果が得られた • 脳のような境界が濃度差として明確になってない領域を取り出すのには向いてない

34. 発表者の研究 • ３次元画像の領域分割 • データベースを用いた画像データの管理

35. 考察 • 現在の領域分割法 • 人間の手間が非常に多い • 入力待ちの時間が長い 領域分割処理の自動化 色々な半自動領域分割法を調査し、入力回数の削減を目指す