Segmentation of Bones in 3D CT Images

Abstract

V oblasti zpracování biomedicínskych dat se za poslední desetiletí výrazně zvýšil zájem o algoritmy, které dokážou přesně, automaticky a bez jakékoliv předcházející informaci o tvaru, vysegmentovat hledanou kost. Tato práce popisuje plně automatickou metodu pro segmentaci stehenní kosti z 3D snímků výpočetní tomografie (CT). Algoritmus kombinuje metodu graph-cut se speciálním filtrem, který zvýrazňuje okraje kosti pomocí analýzy zakřivení lokální iso-oblasti. Navrhované řešení bylo otestováno na souboru 197 CT snímků a porovnáno s dalšími třemi plně automatickými segmentačními metodami. Výsledky experimentů ukazují, že navrhovaná metoda dosahuje nejlepší výsledky ze všech čtyř testovaných metod a je schopna vysegmentovat stehenní kost v 81% případech bez jakékoliv interakce s uživatelem či předcházející informaci o tvaru.

Accurate and automatic segmentation techniques that do not require any explicit prior model have been of high interest in the medical community. We propose a fully-automatic method for segmenting the femur from 3D Computed Tomography scans, based on the graph-cut segmentation framework and the bone boundary enhancement filter analyzing second-order local structures. The presented algorithm is evaluated in large-scale experiments, conducted on 197 CT volumes, and compared to other three automatic bone segmentation methods. Out of the four tested approaches, the proposed algorithm achieved most accurate results and segmented the femur correctly in 81% of the cases.