3D超音波画像の共同セグメンテーションと登録

コントラスト強化超音波（CEUS）は、血管新生の視覚化を可能にし、従来の超音波（US）によって提供される解剖学的情報を補完します。ただし、これらの画像は本質的にノイズと影の影響を受けます。これにより、標準セグメンテーションアルゴリズムが妨げられます。この論文では、腎臓のセグメンテーションの問題に対処するために、3D USおよびCEUS画像から来るさまざまな情報を同時に使用することを提案します。そのために、いくつかの画像で同じ形状を持つオブジェクトを求める共同の共同セグメンテーションと登録のための一般的なフレームワークを紹介します。このフレームワークから、楕円体の共検出とモデルベースの共同セグメンテーションアルゴリズムの両方を導き出します。これらの方法は、構造化された方法でランダムフォレストを使用して推定するボクセル分類マップに依存しています。これにより、高速で完全に自動化されたパイプラインが生成されます。このパイプラインでは、楕円体が最初に米国とCEUの両方のボリュームの両方で腎臓を位置付けると推定され、その後変形して正確にセグメント化します。提案された方法は、64の画像の臨床的に代表的なデータベースで最先端の結果（腎臓の体積エラーを2で割ることによって）よりも優れています。

Contrast-enhanced ultrasound (CEUS) allows a visualization of the vascularization and complements the anatomical information provided by conventional ultrasound (US). However, these images are inherently subject to noise and shadows, which hinders standard segmentation algorithms. In this paper, we propose to use simultaneously the different information coming from 3D US and CEUS images to address the problem of kidney segmentation. To that end, we introduce a generic framework for joint co-segmentation and registration that seeks objects having the same shape in several images. From this framework, we derive both an ellipsoid co-detection and a model-based co-segmentation algorithm. These methods rely on voxel-classification maps that we estimate using random forests in a structured way. This yields a fast and fully automated pipeline, in which an ellipsoid is first estimated to locate the kidney in both US and CEUS volumes and then deformed to segment it accurately. The proposed method outperforms state-of-the-art results (by dividing the kidney volume error by two) on a clinically representative database of 64 images.