Published March 17, 2021 | Version v1
Publication Open

Semi-automatic liver segmentation based on probabilistic models and anatomical constraints

Creators

  • 1. Suranaree University of Technology
  • 2. Burapha University

Description

Abstract Segmenting a liver and its peripherals from abdominal computed tomography is a crucial step toward computer aided diagnosis and therapeutic intervention. Despite the recent advances in computing methods, faithfully segmenting the liver has remained a challenging task, due to indefinite boundary, intensity inhomogeneity, and anatomical variations across subjects. In this paper, a semi-automatic segmentation method based on multivariable normal distribution of liver tissues and graph-cut sub-division is presented. Although it is not fully automated, the method minimally involves human interactions. Specifically, it consists of three main stages. Firstly, a subject specific probabilistic model was built from an interior patch, surrounding a seed point specified by the user. Secondly, an iterative assignment of pixel labels was applied to gradually update the probabilistic map of the tissues based on spatio-contextual information. Finally, the graph-cut model was optimized to extract the 3D liver from the image. During post-processing, overly segmented nodal regions due to fuzzy tissue separation were removed, maintaining its correct anatomy by using robust bottleneck detection with adjacent contour constraint. The proposed system was implemented and validated on the MICCAI SLIVER07 dataset. The experimental results were benchmarked against the state-of-the-art methods, based on major clinically relevant metrics. Both visual and numerical assessments reported herein indicated that the proposed system could improve the accuracy and reliability of asymptomatic liver segmentation.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد تجزئة الكبد وملحقاته من التصوير المقطعي المحوسب للبطن خطوة حاسمة نحو التشخيص بمساعدة الكمبيوتر والتدخل العلاجي. على الرغم من التطورات الأخيرة في أساليب الحوسبة، إلا أن تجزئة الكبد بأمانة ظلت مهمة صعبة، بسبب الحدود غير المحددة، وعدم تجانس الشدة، والتغيرات التشريحية عبر الموضوعات. في هذه الورقة، يتم تقديم طريقة تجزئة شبه تلقائية تعتمد على التوزيع الطبيعي متعدد المتغيرات لأنسجة الكبد والتقسيم الفرعي لقطع الرسم البياني. على الرغم من أنها ليست آلية بالكامل، إلا أن الطريقة تنطوي على الحد الأدنى من التفاعلات البشرية. على وجه التحديد، يتكون من ثلاث مراحل رئيسية. أولاً، تم بناء نموذج احتمالي محدد للموضوع من رقعة داخلية، تحيط بنقطة بذرة يحددها المستخدم. ثانياً، تم تطبيق تخصيص تكراري لعلامات البكسل لتحديث الخريطة الاحتمالية للأنسجة تدريجياً بناءً على المعلومات المكانية السياقية. أخيرًا، تم تحسين نموذج قطع الرسم البياني لاستخراج الكبد ثلاثي الأبعاد من الصورة. أثناء المعالجة اللاحقة، تمت إزالة المناطق العقدية المجزأة بشكل مفرط بسبب فصل الأنسجة الغامضة، مع الحفاظ على تشريحها الصحيح باستخدام اكتشاف عنق الزجاجة القوي مع تقييد الكفاف المجاور. تم تنفيذ النظام المقترح والتحقق من صحته على مجموعة بيانات MICCAI SLIVER07. تم قياس النتائج التجريبية مقابل أحدث الأساليب، بناءً على المقاييس الرئيسية ذات الصلة سريريًا. أشارت كل من التقييمات البصرية والعددية الواردة هنا إلى أن النظام المقترح يمكن أن يحسن دقة وموثوقية تجزئة الكبد بدون أعراض.

Translated Description (French)

Résumé La segmentation d'un foie et de ses périphériques à partir de la tomodensitométrie abdominale est une étape cruciale vers le diagnostic assisté par ordinateur et l'intervention thérapeutique. Malgré les progrès récents des méthodes informatiques, la segmentation fidèle du foie est restée une tâche difficile, en raison des limites indéfinies, de l'inhomogénéité de l'intensité et des variations anatomiques entre les sujets. Dans cet article, une méthode de segmentation semi-automatique basée sur la distribution normale multivariable des tissus hépatiques et la subdivision en graphes est présentée. Bien qu'elle ne soit pas entièrement automatisée, la méthode implique peu d'interactions humaines. Plus précisément, il se compose de trois étapes principales. Tout d'abord, un modèle probabiliste spécifique au sujet a été construit à partir d'un patch intérieur, entourant un point de départ spécifié par l'utilisateur. Dans un second temps, une affectation itérative de marqueurs de pixels a été appliquée pour mettre à jour progressivement la carte probabiliste des tissus à partir d'informations spatio-contextuelles. Enfin, le modèle de découpe de graphe a été optimisé pour extraire le foie 3D de l'image. Au cours du post-traitement, les régions ganglionnaires trop segmentées en raison de la séparation des tissus flous ont été retirées, conservant leur anatomie correcte en utilisant une détection robuste des goulots d'étranglement avec une contrainte de contour adjacente. Le système proposé a été mis en œuvre et validé sur l'ensemble de données MICCAI SLIVER07. Les résultats expérimentaux ont été comparés aux méthodes de pointe, sur la base des principaux paramètres cliniquement pertinents. Les évaluations visuelles et numériques rapportées ici ont indiqué que le système proposé pourrait améliorer la précision et la fiabilité de la segmentation hépatique asymptomatique.

Translated Description (Spanish)

Resumen La segmentación de un hígado y sus periféricos a partir de la tomografía computarizada abdominal es un paso crucial hacia el diagnóstico asistido por ordenador y la intervención terapéutica. A pesar de los recientes avances en los métodos informáticos, la segmentación fiel del hígado ha seguido siendo una tarea difícil, debido a los límites indefinidos, la falta de homogeneidad de la intensidad y las variaciones anatómicas entre los sujetos. En este documento, se presenta un método de segmentación semiautomática basado en la distribución normal multivariable de los tejidos hepáticos y la subdivisión de corte gráfico. Aunque no está completamente automatizado, el método implica mínimamente interacciones humanas. En concreto, consta de tres etapas principales. En primer lugar, se construyó un modelo probabilístico específico del sujeto a partir de un parche interior, rodeando un punto de siembra especificado por el usuario. En segundo lugar, se aplicó una asignación iterativa de etiquetas de píxeles para actualizar gradualmente el mapa probabilístico de los tejidos en función de la información espacio-contextual. Finalmente, se optimizó el modelo gráfico-cortado para extraer el hígado 3D de la imagen. Durante el posprocesamiento, se eliminaron las regiones nodales excesivamente segmentadas debido a la separación del tejido difuso, manteniendo su anatomía correcta mediante el uso de una detección de cuello de botella robusta con restricción de contorno adyacente. El sistema propuesto se implementó y validó en el conjunto de datos MICCAI SLIVER07. Los resultados experimentales se compararon con los métodos más avanzados, basados en las principales métricas clínicamente relevantes. Tanto las evaluaciones visuales como numéricas informadas en este documento indicaron que el sistema propuesto podría mejorar la precisión y confiabilidad de la segmentación hepática asintomática.

Files

s41598-021-85436-7.pdf.pdf

Files (3.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:8bd4914a219eb4d31c4f2b2f3bac1bb6
3.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تجزئة الكبد شبه الأوتوماتيكية بناءً على النماذج الاحتمالية والقيود التشريحية
Translated title (French)
Segmentation hépatique semi-automatique basée sur des modèles probabilistes et des contraintes anatomiques
Translated title (Spanish)
Segmentación hepática semiautomática basada en modelos probabilísticos y restricciones anatómicas

Identifiers

Other
https://openalex.org/W3138910769
DOI
10.1038/s41598-021-85436-7

Is supplement to
https://openalex.org/W2897997384 (Other)
https://openalex.org/W2494523064 (Other)
https://openalex.org/W2109407305 (Other)
https://openalex.org/W2088651901 (Other)
https://openalex.org/W2049858394 (Other)
https://openalex.org/W2038231398 (Other)
https://openalex.org/W2032319136 (Other)
https://openalex.org/W1582388844 (Other)
https://openalex.org/W1544828638 (Other)
https://openalex.org/W1522196789 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Thailand

References

  • https://openalex.org/W1607704809
  • https://openalex.org/W1736170383
  • https://openalex.org/W1979622972
  • https://openalex.org/W1987903883
  • https://openalex.org/W1992284218
  • https://openalex.org/W1994659186
  • https://openalex.org/W2009933150
  • https://openalex.org/W2017984244
  • https://openalex.org/W2020873066
  • https://openalex.org/W2036812842
  • https://openalex.org/W2045922310
  • https://openalex.org/W2054521280
  • https://openalex.org/W2070300108
  • https://openalex.org/W2094944418
  • https://openalex.org/W2111300793
  • https://openalex.org/W2113137767
  • https://openalex.org/W2115560616
  • https://openalex.org/W2116268975
  • https://openalex.org/W2138047924
  • https://openalex.org/W2148798129
  • https://openalex.org/W2151551382
  • https://openalex.org/W2153431772
  • https://openalex.org/W2260867322
  • https://openalex.org/W2321272510
  • https://openalex.org/W2357815549
  • https://openalex.org/W2533753343
  • https://openalex.org/W2550380503
  • https://openalex.org/W2554204699
  • https://openalex.org/W2578257991
  • https://openalex.org/W2627007876
  • https://openalex.org/W2766816247
  • https://openalex.org/W2771614385
  • https://openalex.org/W2793526902
  • https://openalex.org/W2964227007
  • https://openalex.org/W2980380247
  • https://openalex.org/W3123329661
  • https://openalex.org/W92691110