3Dメッシュで世界的に最適なグラフカットを使用したアトリウム壁のベイジアンセグメンテーション

遅延エンハンスメントからの左心房（LA）壁の効率的なセグメンテーションMRIは、一貫性のないコントラスト、ノイズ、心房の形状とサイズの高い変動のために困難です。最適なA-Posteriori推定を計算することにより、心房壁を抽出できる表面検出法を提示します。この推定は、セグメント化されたトレーニング画像のアンサンブルから構築されたネストされたメッシュのセットで行われ、グラフは関連するマルチコラムの適切な順序付けグラフでカットされます。グラフ/メッシュは、学習強度の特徴の関連セットを備えたテンプレート/モデルの一部です。このメッシュがテスト画像にオーバーレイされると、最適なセグメンテーションにつながる一連のコストが生成されます。3Dメッシュには、滑らかさと表面間のペナルティをコードするエッジを備えた関連する重み付きのマルチコラムグラフがあります。表面特性に硬い制約を課す以前のグラフカット方法とは異なり、提案された方法はベイジアン製剤から続き、メッシュを通る切断の空間変動にソフトペナルティをもたらします。この方法の斬新さは、自動LAセグメンテーションのために、異なるクラスのベース形状の中から選択するための複雑な形状に適切な順序付けされたグラフの構築にもあります。シミュレートされた臨床心臓MRIに関する提案されたセグメンテーションフレームワークを評価します。

Efficient segmentation of the left atrium (LA) wall from delayed enhancement MRI is challenging due to inconsistent contrast, combined with noise, and high variation in atrial shape and size. We present a surface-detection method that is capable of extracting the atrial wall by computing an optimal a-posteriori estimate. This estimation is done on a set of nested meshes, constructed from an ensemble of segmented training images, and graph cuts on an associated multi-column, proper-ordered graph. The graph/mesh is a part of a template/model that has an associated set of learned intensity features. When this mesh is overlaid onto a test image, it produces a set of costs which lead to an optimal segmentation. The 3D mesh has an associated weighted, directed multi-column graph with edges that encode smoothness and inter-surface penalties. Unlike previous graph-cut methods that impose hard constraints on the surface properties, the proposed method follows from a Bayesian formulation resulting in soft penalties on spatial variation of the cuts through the mesh. The novelty of this method also lies in the construction of proper-ordered graphs on complex shapes for choosing among distinct classes of base shapes for automatic LA segmentation. We evaluate the proposed segmentation framework on simulated and clinical cardiac MRI.