An efficient inflation method for segmentation of medical 3D images

The diagnosis of certain spine pathologies, such as scoliosis, spondylolisthesis and vertebral fractures, are part of the daily clinical routine. Very frequently, MRI data are used to diagnose these kinds of pathologies in order to avoid exposing patients to harmful radiation, like X-ray. Developing a segmentation system for an array of vertebrae is complex, so the method was first tested on brain tumors of types glioblastoma multiforme and pituitary adenoma. A small triangular surface mesh at the approximate center of the tumor is inflated towards the boundary using balloon force, keeping it approximately star-shaped. The boundary is implicitly binarized by the inflation rules, based on the minimum and maximum intensity from the initialization step. After the segmentation is finished, the tumor volume is calculated. The spine segmentation system uses a bottom-up approach for detecting vertebral bodies based on just one manual initialization. A subdivision surface hierarchy is introduced as an efficient global-to-local smoothness constraint, which can be thought of as an internal force. Together with intensities, low-high (LH) values were initially used to ease boundary finding, but the boundary estimation evolved into a multi-feature combiner. The final system utilizes a Viola-Jones detector to determine centers and approximate sizes of vertebral bodies. This gives the user a chance to manually correct detections, enables parallel feature calculation and segmentation, and is a basis for reliable diagnosis established at the end. The system was evaluated on 26 lumbar datasets containing 234 reference vertebrae. Vertebra detection has 7.1% false negatives and 1.3% false positives. The average Dice coefficient to manual reference is 79.3% and mean distance error is 1.77 mm. No severe case of the three addressed illnesses was missed, and false alarms occurred rarely – 0% for scoliosis, 3.9% for spondylolisthesis and 2.6% for vertebral fractures. The main advantages of this system are high speed, robust handling of a large variety of routine clinical images, and simple and minimal user interaction. Die Diagnose von bestimmten Wirbelsaulenerkrankungen, wie z.B. Skoliose, Spondylolisthesis oder Wirbelbruche, sind Teil des Klinikalltags. Haufig werden zur Diagnose dieser Art von Erkrankungen MRT-Daten benutzt, um zu vermeiden, dass Patienten schadlicher Strahlung, wie z.B. Rontgenstrahlung, ausgesetzt werden. Die Entwicklung eines Segmentierungssystems fur eine Reihe von Wirbeln ist komplex. Deshalb wurde die Methode zuerst fur zwei Typen von Gehirntumoren, Glioblastoma multiforme und Hypophysenadenom, getestet. Ein kleines Dreiecksnetz wird am ungefahren Zentrum des Tumors durch Ballon-Forces expandiert, wobei seine Struktur naherungsweise sternformig gehalten wird. Der Datensatz wird durch diese Krafte basierend auf den Minimum- und Maximumintensitaten beim Initialisierungsschritt implizit in ein inneres und ein auseres Segment unterteilt. Nachdem die Segmentierung abgeschlossen ist, wird das Volumen des Tumors berechnet. Das Segmentierungssystem fur die Wirbelsaule benutzt einen „Bottumup“- Ansatz zur Erkennung der Wirbel, der auf nur einer manuellen Initialisierung basiert. Als effiziente global-zu-lokal Glattungsbedingung wurde eine Oberflachenunterteilungshierarchie eingefuhrt, die man sich als interne Kraft vorstellen kann. Zu Beginn wurden Intensitatswerte zusammen mit „low-high“-Werten verwendet um die Ermittlung von Kanten zu erleichtern. Aber der Kantenschatzer entwickelte sich hin zu einem Multimerkmalsansatz. Das endgultige System benutzt einen Viola-Jones-Detektor um das Zentrum und die ungefahre Grose von Wirbeln zu bestimmen. Dieser Ansatz gibt dem Nutzer die Moglichkeit die Erkennung manuell zu korrigieren und ermoglicht eine parallele Berechnung der Merkmale und Segmentierung und stellt eine Basis fur eine zuverlassige Diagnose dar. Das System wurde an 26 lumbalen Datensatzen evaluiert, welche 234 Referenzwirbel beinhalteten. Die Wirbelerkennung hat 7.1% „false positives“ und 1.3% „false negatives“. Der durchschnittliche Dice-Koeffizient im Vergleich zur Handsegmentierung ist 79.3% und der mittlere Abstandsfehler betragt 1.77mm. Alle schlimmere Falle der drei Erkrankungen wurde korrekt erkannt und Fehlalarme traten selten auf – 0% bei Skoliose, 3.9% bei Spondylolisthesis und 2.6% bei Wirbelfrakturen. Die Hauptvorteile dieses Systems sind die hohe Geschwindigkeit, die robuste Handhabung von alltaglichen klinischen Aufnahmen und die einfache als auch minimale Benutzerinteraktion.