A comparative evaluation for liver segmentation from spir images and a novel level set method using signed pressure force function

Abstract

Karaciğerin bitişik organlar ile benzer gri seviye değerlerine sahip olması, belirgin bir şeklinin olmaması ve tüm dokuların farklı gri seviye değerlerinde olmasına sebep olan kontrast maddenin vücuda verilmesi gibi nedenlerden dolayı manyetik rezonans görüntülerinden karaciğer bölütlemesi için dayanıklı bir yöntem geliştirmek zor bir iştir. Titreşim ve hareketten oluşan çeşitli yapay dokular ve kısmi hacim etkisi manyetik rezonans görüntülerinden otomatik karaciğer bölütleme işleminin zorluklarını arttırmaktadır. Bu tez çalışmasında, bilimsel yazında öne çıkan manyetik rezonans görüntüleri ile karaciğer bölütlemesi yöntemlerini sunmakta ve deterministik (öbekleme tabanlı), olasılıksal (Gauss model tabanlı), denetimli sinir ağı (çok katmanlı algılayıcı tabanlı) ve deformable model tabanlı (düzey kümesi) bölütleme yöntemlerinden seçilen yedi farklı karaciğer bölütleme yaklaşımının karşılaştırmalı sonuçlarını göstermekteyiz. Özgüllük, duyarlılık ve doğruluk ölçütleri kullanılarak yapılan nicel ve nitel inceleme sonuçları göstermektedir ki, bazı kesitler üzerinde çok katmanlı algılayıcı ve düzey kümesine dayalı yaklaşımlar yağ baskılı görüntülerde (spectral pre-saturation inversion recovery images) kabul edilebilir yöntemlerdir. Fakat çok katmanlı algılayıcı tabanlı bölümleme yönteminin ihtiyaç duyduğu çalışma zamanı çok fazladır. Uzaklık düzenleme terimine dayalı otomatik düzey kümesi yöntemi Gauss fonksiyonu için seçilen varyans değerine çok duyarlıdır. Aktif çevritin evrimini ve hızını kontrol edebilen, yeni bir işaretli baskı kuvvet fonksiyonu kullanarak önerdiğimiz düzey kümesi yöntemi, ilk aktif çevrit evrimine veya kenar durdurma fonksiyonundaki Gauss çekirdek fonksiyonun varyans değerine duyarlılık gibi çeşitli problemleri herhangi bir düzenleyici terim kullanmadan çözebilmektedir.

Developing a robust method for liver segmentation from magnetic resonance images is a challenging task due to similar intensity values between adjacent organs, geometrically complex liver structure and injection of contrast media, which causes all tissues to have different gray level values. Several artifacts of pulsation and motion, and partial volume effects also increase difficulties for automatic liver segmentation from magnetic resonance images. In this thesis, we present an overview about liver segmentation methods in magnetic resonance images and show comparative results of seven different liver segmentation approaches chosen from deterministic (K-means based), probabilistic (Gaussian model based), supervised neural network (multilayer perceptron based) and deformable model based (level set) segmentation methods. The results of qualitative and quantitative analysis using sensitivity, specificity and accuracy metrics show that the multilayer perceptron based approach and a level set based approach which uses a distance regularization term and signed pressure force function are reasonable methods for liver segmentation from spectral pre-saturation inversion recovery images. However, the multilayer perceptron based segmentation method requires a higher computational cost. The distance regularization term based automatic level set method is very sensitive to chosen variance of Gaussian function. Our proposed level set based method that uses a novel signed pressure force function, which can control the direction and velocity of the evolving active contour, is faster and solves several problems of other applied methods such as sensitivity to initial contour or variance parameter of the Gaussian kernel in edge stopping functions without using any regularization term.