Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Evaluierung von Algorithmen zur Segmentierung von Lymphknoten in CT Datensätzen

 
: Bozoglu, Y. Nazli
: Sakas, Georgios; Steger, Sebastian

Hannover, 2012, 90 S.
Hannover, Univ., Master Thesis, 2012
Deutsch
Master Thesis
Fraunhofer IGD ()
segmentation; evaluation of segmentation; Markov random fields (MRF); computed tomography (CT)

Abstract
Die Untersuchung der Größe und Form von Lymphknoten spielt in der Diagnostik und Verlaufskontrolle von Krebspatienten eine wichtige Rolle. Für diese Untersuchung müssen die Lymphknoten in Computertomographie (CT) Datensätzen segmentiert werden. Die manuelle Segmentierung ist zeitaufwändig und fehleranfällig. Für eine präzise Segmentierung von Lymphknoten sind automatische Segmentierungsverfahren erwünscht. In der Literatur werden einige vielversprechende Segmentierungsalgorithmen beschrieben. Alle diese Algorithmen haben ihre Vor- und Nachteile. Eine Gegenüberstellung der Algorithmen wird vermisst.
In dieser Arbeit werden vier neue automatische Segmentierungsalgorithmen entwickelt. Die Parameter der Verfahren werden optimiert. Anhand Goldstandards von Experten werden im Anschluss diese vier Methoden und Regionen-, modell- und strahlenbasierte Segmentierungsalgorithmen aus der Literatur in Bezug auf die Genauigkeit, Laufzeit und Robustheit evaluiert und gegenübergestellt.
Für die Evaluierung steht ein CT-Datensatz zur Verfügung, für den manuelle Segmentierungen von Experten vorliegen. Der Datensatz besteht aus 49 Lymphknoten der Kopf- und Halsregion von Patienten mit Mundhöhlenkarzinomen.
Bei der Gegenüberstellung der Algorithmen wurde festgestellt, dass der strahlenbasierte Ansatz, bei dem die Segmentierung unter Berücksichtigung lokaler Gradienteneigenschaften und Intensitätseigenschaften von Lymphknoten mit anschließender globaler Optimierung erfolgt, am besten für die Segmentierung von Lymphknoten geeignet ist. Die Laufzeit der Segmentierung ist mit 8 Sekunden pro Lymphknoten 3-5 fache der anderen Segmentierungsverfahren. Die Segmentierung ist aber sehr präzise. Der durchschnittliche DSC beträgt 0.80. Bei der Initialisierung mit unterschiedlichen Saatpunkten ist die Methode sehr robust. Bei der Segmentierung von vergrößerten Lymphknoten beträgt der durchschnittliche DSC 0.86, bei der Segmentierung von nekrotischen Lymphknoten 0.81.
Anhand von automatischen Segmentierungsalgorithmen können Lymphknoten erfolgreich segmentiert werden. Die Ergebnisse der Segmentierung können z.B. für die dreidimensionale Visualisierung, Verlaufskontrolle von Krebspatienten oder Operationsplanung weiterverarbeitet werden.

 

The assessment of the size and shape of lymph nodes plays a crucial role to diagnose and monitor cancer patients. The assessment is conducted by the segmentation of lymph nodes using computed tomography (CT) data sets. Yet the manual segmentation methods are perceived as time-consuming and errorprone. Therefore there is a need for an automatic segmentation method for an efficient and accurate assessment.
In the literature there are several promising segmentation algorithms. Even though the algorithms' advantages and disadvantages have been pointed out by various studies, there is a lack of comprehensive evaluation on these algorithms to optimize overall assessment process. To conduct such a study, initially, four new automatic segmentation algorithms have been developed. Later the parameters of the processes are optimized. Finally, these four methods, along with various region-, model-, and ray-based segmentation algorithms from the available literature, have been evaluated and compared with gold standards of the experts in terms of accuracy, runtime and robustness. For the benchmark, a CT data set with manual segmentations of experts is utilized.
The data set consists of 49 lymph nodes from head and neck region of patients with oral cancer. By the comparison of the algorithms, it has been found out that the ray-based approach, which takes the local gradient properties and intensity characteristics of lymph nodes in account, followed by a global optimization, is best suited for the segmentation of lymph nodes.
Even though, the run-time of this algorithm is 3-5 times slower than the other segmentation methods by 8 seconds per lymph node, the results of the segmentation are quite accurate. The average DSC is 0.80. The method is very robust during initialization with different seed points, as well. Enlarged lymph nodes can be segmented with an average DSC of 0.86, whereas during the segmentation necrotic lymph nodes, the average DSC is 0.81. On the basis of automatic segmentation algorithms, lymph nodes can be segmented effectively. The results of the segmentation can be further processed, e.g. for the three-dimensional visualization, following up on cancer patients or surgical planning.

: http://publica.fraunhofer.de/dokumente/N-195468.html