臓器間の隣接関係を考慮した統計的形状モデルを用いた3次元CT画像からの階層的複数臓器抽出

摘要

Hierarchical methods for multiple organ segmentation are proposed.Hierarchical spatial normalization is performed according to hierarchical structures of organ structures. For example, the liver (sub-structure) is normalized using the abdominal cavity (main structure), and further the gallbladder or inferior vena cava (sub-structure) using the liver (main structure). In our method, the probabilistic atlases generated using the. hierarchical normalization are used for hierarchical segmentation processes. After the main structure region is extracted, sub-structure region is extracted and simultaneously main structure region is refined using the statistical shape models in which the constraints of adjacent relations among structures are incorporated. We evaluate the methods using 20 CT datasets of the abdomen.%統計アトラスを構築する際の前処理として，データ間の不要なばらつきを取り除くために空間的正規化が必要となるが，対象とする臓器・組織によっては大局的な正規化だけでは十分な予測精度を得られないことがある．そこで本研究では，基準となる周辺構造に加えて正規化画像において単体で抽出された臓器を利用して再度正規化を行うことによって，その臓器に隣接する他の臓器の統計アトラス構築を順次行う．また，単体で抽出された臓器は互いに位置姿勢に制約を与えている考えられるため，相互の抽出結果を初期値として，隣接関係を考慮した同時抽出を行うことによって隣接部分における相互の精度向上が期待される．肝臓，下大静脈を対象臓器として，3次元CT画像20例の学習データ，8例のテストデータを用いて正規化の効果および形状推定の精度評価を行った．