神経外科における体積脳分析：パート1 MRIおよびCT画像からの脳および脳脊髄液成長ダイナミクスのパート1粒子フィルターセグメンテーション

オブジェクト：正確なエッジトレースセグメンテーションは、脳の画像分析において不完全に解決された問題のままです。著者は、粒子フィルターを使用して、自律的な空気および地上車両のナビゲーションでよく使用されるスタイルで脳の境界をたどるために、新しいアルゴリズムを提案しています。彼らの目標は、発達中の脳のMRIおよびCT画像の脳と流体をセグメント化するための汎用性の高いツールを作成し、モダリティに依存しないインテリジェントな自動エッジトラッカーの基礎を築き、MRIとCTの両方に適用できるMRIの規範データをセグメント化することでした。 方法：シミュレートされたMRIデータセットを使用して、粒子フィルターセグメンテーションアルゴリズムをトレーニングおよび評価しました。次に、この方法を適用して、国立衛生研究所の小児データベースからのMR画像から脳および液体の0〜18歳の小児および青年の規範的成長曲線を生成し、これらのデータを履歴結果と比較しました。著者らは、この方法を小児水頭症のCT画像で使用するためにこの方法をさらに適合させ、結果を手伸縮データと比較しました。 結果：さまざまなレベルのノイズ（0％-9％）と空間的不均一性（0％-40％）を備えたシミュレートされたMRIデータのセグメンテーションは、脳の体積で0.06％から5.38％、液体量で2.45％から22.3％の範囲の割合エラーをもたらしました。著者は、このツールを使用して、MR画像から通常の脳とCSF成長曲線を作成しました。計算された成長曲線は、履歴データとの優れた一貫性を示しました。さらに、手動セグメンテーションと比較して、粒子フィルターは、水頭症の5人の小児患者のCTスキャンからの正確にセグメント化された脳と液体量を正確にセグメント化しました（P <0.001）。 結論：著者は、0〜18歳の子供と青年に最初の規範的脳とCSF成長曲線を生み出しました。さらに、この研究には、画像セグメンテーションのエッジトラッカーとしての粒子フィルターの最初の使用が含まれており、MRおよびCT画像から小児および成人の両方の脳データをセグメント化する半自動法を提供します。粒子フィルターは、これらの両方のモダリティを使用した研究ツールではなく、臨床的なツールに向けてさらに自動化される可能性があります。モダリティの独立性のため、CTが神経障害のより効果的な診断ツールになることを可能にする能力があります。これは、CTが脳イメージングの唯一の利用可能な方法であることが多い緊急時および発展途上国で非常に重要なタスクです。

OBJECT: Accurate edge tracing segmentation remains an incompletely solved problem in brain image analysis. The authors propose a novel algorithm using a particle filter to follow the boundary of the brain in the style often used in autonomous air and ground vehicle navigation. Their goals were to create a versatile tool to segment brain and fluid in MRI and CT images of the developing brain, lay the foundation for an intelligent automated edge tracker that is modality independent, and segment normative data from MRI that can be applied to both MRI and CT. METHODS: Simulated MRI data sets were used to train and evaluate the particle filter segmentation algorithm. The method was then applied to produce normative growth curves for children and adolescents from 0 to 18 years of age for brain and fluid from MR images from the National Institutes of Health pediatric database and these data were compared to historical results. The authors further adapted this method for use with CT images of pediatric hydrocephalus and compared the results with hand-segmented data. RESULTS: Segmentation of simulated MRI data with varied levels of noise (0%-9%) and spatial inhomogeneity (0%-40%) resulted in percent errors ranging from 0.06% to 5.38% for brain volume and 2.45% to 22.3% for fluid volume. The authors used this tool to create normal brain and CSF growth curves from MR images. The calculated growth curves showed excellent consistency with historical data. Additionally, compared with manual segmentation the particle filter accurately segmented brain and fluid volumes from CT scans of 5 pediatric patients with hydrocephalus (p<0.001). CONCLUSIONS: The authors have produced the first normative brain and CSF growth curves for children and adolescents 0-18 years of age. In addition, this study includes the first use of a particle filter as an edge tracker in image segmentation and offers a semiautomatic method to segment both pediatric and adult brain data from MR and CT images. The particle filter has the potential to be further automated toward a clinical rather than research tool with both of these modalities. Because of its modality independence, it has the capability to allow CT to be a more effective diagnostic tool for neurological disorders, a task of substantial importance in emergency settings and in developing countries where CT is often the only available method of brain imaging.