Enhancing the automatic segmentation and analysis of 3D liver vasculature models

要約

肝臓がん患者の外科的評価には、医療画像から血管樹を識別する必要があります。
具体的には、静脈ツリー、つまり門脈（灌流）ツリーと肝臓（排出）ツリーは、肝臓の解剖学的構造と病状を理解し、手術計画を行うために重要です。
この研究は、深層学習と画像処理技術に基づいた自動パイプラインを作成することにより、血管ツリーの 3D セグメンテーション、スケルトン化、およびその後の分析を改善することを目的としています。
この研究の最初の部分では、ClDice や形態学的骨格化損失などの微分可能な骨格化手法が全体的な肝血管セグメンテーション パフォーマンスに及ぼす影響を調査します。
この目的のために、血管ツリーの接続性を改善する方法を研究します。
この研究の 2 番目の部分では、単一クラスの血管セグメンテーションを複数クラスの血管セグメンテーションに変換し、2 つの静脈ツリーを分離します。
これは、血管ツリーの出力がもつれている可能性がある以前の 2 クラスの血管セグメンテーション モデルと、ツリーの接続コンポーネントとスケルトン分析に基づいて構築されています。
これらのアルゴリズムは、各静脈樹の特定の解剖学的枝のサブラベリングを提供した後、さまざまな幾何学的マーカーを抽出することによって血管樹の形態計測分析も可能にします。
結論として、異なる口径の血管を含む広範囲の血管樹に対して、現在のスケルトン化方法をうまく改善する方法を提案します。
分離アルゴリズムは、血管のきれいな複数クラスのセグメンテーションを作成し、誤差が少ないことが外科医によって検証されています。
このようにして、77 症例からなる新しい公的に共有される高品質の肝血管データセットが作成されます。
最後に、解剖学的構造に従って血管ツリーに注釈を付ける方法が提供され、独自の肝臓血管形態計測分析が可能になります。

要約(オリジナル)

Surgical assessment of liver cancer patients requires identification of the vessel trees from medical images. Specifically, the venous trees – the portal (perfusing) and the hepatic (draining) trees are important for understanding the liver anatomy and disease state, and perform surgery planning. This research aims to improve the 3D segmentation, skeletonization, and subsequent analysis of vessel trees, by creating an automatic pipeline based on deep learning and image processing techniques. The first part of this work explores the impact of differentiable skeletonization methods such as ClDice and morphological skeletonization loss, on the overall liver vessel segmentation performance. To this aim, it studies how to improve vessel tree connectivity. The second part of this study converts a single class vessel segmentation into multi-class ones, separating the two venous trees. It builds on the previous two-class vessel segmentation model, which vessel tree outputs might be entangled, and on connected components and skeleton analyses of the trees. After providing sub-labeling of the specific anatomical branches of each venous tree, these algorithms also enable a morphometric analysis of the vessel trees by extracting various geometrical markers. In conclusion, we propose a method that successfully improves current skeletonization methods, for extensive vascular trees that contain vessels of different calibers. The separation algorithm creates a clean multi-class segmentation of the vessels, validated by surgeons to provide low error. A new, publicly shared high-quality liver vessel dataset of 77 cases is thus created. Finally a method to annotate vessel trees according to anatomy is provided, enabling a unique liver vessel morphometry analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google