Hierarchical Random Walker Segmentation for Large Volumetric Biomedical Images

要約

画像セグメンテーションのランダム ウォーカー法は、特に生物医学分野で、半自動画像セグメンテーションの一般的なツールです。
ただし、その線形漸近的な実行時間とメモリ要件により、サイズが大きくなる 3D データセットへの適用は実用的ではありません。
私たちの知る限りでは、ランダム ウォーカー アルゴリズムのこれらの制限を克服し、サブリニアな実行時間と一定のメモリの複雑さを実現する最初の試みである階層的なフレームワークを提案します。
このフレームワークの目標は、ベースライン メソッドと比較してセグメンテーションの品質を向上させることではなく、アウト オブ コア データセットでインタラクティブなセグメンテーションを可能にすることです。
この方法は、合成データと CT-ORG データセットで定量的に評価され、高いセグメンテーション品質を維持しながらアルゴリズムの実行時間に期待される改善が確認されます。
インクリメンタル (つまり、相互作用の更新) 実行時間は、サイズが数百ギガバイトのボリュームであっても、標準の PC で数秒であることが実証されています。
小さなケーススタディでは、現在の生物医学研究から大規模な現実世界への適用性が実証されています。
提示された方法の実装は、広く使用されているボリューム レンダリングおよび処理ソフトウェア Voreen (https://www.uni-muenster.de/Voreen/) のバージョン 5.2 で公開されています。

要約(オリジナル)

The random walker method for image segmentation is a popular tool for semi-automatic image segmentation, especially in the biomedical field. However, its linear asymptotic run time and memory requirements make application to 3D datasets of increasing sizes impractical. We propose a hierarchical framework that, to the best of our knowledge, is the first attempt to overcome these restrictions for the random walker algorithm and achieves sublinear run time and constant memory complexity. The goal of this framework is — rather than improving the segmentation quality compared to the baseline method — to make interactive segmentation on out-of-core datasets possible. The method is evaluated quantitavely on synthetic data and the CT-ORG dataset where the expected improvements in algorithm run time while maintaining high segmentation quality are confirmed. The incremental (i.e., interaction update) run time is demonstrated to be in seconds on a standard PC even for volumes of hundreds of gigabytes in size. In a small case study the applicability to large real world from current biomedical research is demonstrated. An implementation of the presented method is publicly available in version 5.2 of the widely used volume rendering and processing software Voreen (https://www.uni-muenster.de/Voreen/).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google