Automatisierte Qualitätskontrolle computergestützter Segmentierungen nach MRT des Herzens

Automatisierte Qualitätskontrolle computergestützter Segmentierungen nach MRT des Herzens

Eine automatisierte Methode zur indirekten Qualitätsanalyse ermöglicht die Unterscheidung zwischen korrekten und fehlerhaften Segmentierungen bei kardiovaskulären MRT-3D-Bilddaten.

  • Datum:
    20.09.2019 0 Kommentare
  • Journal:
    J Cardiovasc Magn Reson. 2019 Mar 14;21(1):18
  • Titel:
    Automated quality control in image segmentation: application to the UK Biobank cardiovascular magnetic resonance imaging study.
  • Autor:
    Robinson R et al.
    Zur Originalstudie

Häufig werden in der Radiologie computergestützte Verfahren zur Bildsegmentierung eingesetzt, die die mühsame manuelle Quantifizierung von Messdaten ersetzen sollen. Die durchschnittliche Performance solcher Algorithmen manuell zu validieren, ist bei der Größe und Menge der Daten jedoch unmöglich. Eine gute Qualitätskontrolle wäre hingegen die automatisierte Identifikation einzelner, inkorrekter Segmentierungen.

Robert Robinson, Imperial College London, und KollegInnen wählten daher eine indirekte Methode zur Qualitätsbewertung von Segmentierungsergebnissen, die die Segmentierungsqualität vorhersagt sowie fehlerhafte Segmentierungen erkennt. Als Modell dienten mehrere Tausend Segmentierungen kardiovaskulärer Magnetresonanztomographien (CMR).

Methode

Bei der indirekten Genauigkeitsanalyse hielten sich Robinson et al. an die RCA-Methode (engl.: reverse classification accuracy):

  • Segmentierung von 100 Referenzbildern unter Verwendung des zu untersuchenden Segmentierungsalgorithmus.
  • Zugrundeliegende Hypothese: Ist diese Segmentierung von guter Qualität, sollte der Segmentierungsalgorithmus in der Lage sein, auch andere Bilder korrekt zu segmentieren. Wird keines der Referenzbilder korrekt segmentiert, ist die Wahrscheinlichkeit hoch, dass die gesamte Segmentierung fehlerhaft ist.
  • Primäre Validierungsstudie: 400 kardiovaskuläre MRT-Bilddatensets (CMR) unterschiedlicher Segmentierungsqualität
  • Validierungsdatensatz: 4800 CMR-Bilddaten; manuelle, korrekte Segmentierungen vorhanden
  • Testdatensatz: 7250 CMR-Bilddaten; manuelle, korrekte Segmentierungen vorhanden, jedoch nur für das linksventrikuläre Myokard

Die manuellen Segmentierungen dienten zur Qualitätsbeurteilung der automatisierten Segmentierung. Die Beurteilung der Segmentierungsqualität erfolgte durch die Berechnung von Überlappungskoeffizienten zwischen der automatisierten und der manuellen Segmentierung mit folgenden Genauigkeitsmaßen:

  • Dice Similarity Coefficient (DSC); 0 = keine Überlappung; 1 = vollständige Überlappung; 0,1-0,7 = schlechte Übereinstimmung; 0,7-0,9 = gute Übereinstimmung
  • mittlere symmetrische Oberflächendistanz (MSD)
  • quadratische mittlere symmetrische Oberflächendistanz (QMSD)
  • Hausdorff-Distanz (HD).

Ergebnisse

Primäre Validierungsstudie: Mit der RCA-Methode gelang eine Unterscheidung zwischen korrekter und fehlerhafter Segmentierung mit 99%iger Genauigkeit.

Validierungsset: Für die 4800 Scans ergab sich bei einem DSC-Schwellenwert von 0,7 eine 95-prozentige Klassifizierungsgenauigkeit zwischen manuellen und vorhergesagten Werten. 98,2% der als gut und 75,2 % der als fehlerhaft eingestuften Segmentierungen wurden automatisch erkannt.

Testdatensatz: Robinson et al. stellten eine gute Übereinstimmung zwischen der visuellen Qualitätskontrolle und den vorhergesagten Werten der 7250 kardiovaskulären MR-Tomographien des Testdatensatzes fest.

Fazit

Bei 3D-CMR-Bilddaten lieferte die RCA-Methode eine vergleichbar hohe Segmentierungsgenauigkeit wie eine manuelle Qualitätsanalyse. Laut Robinson et al. ist dies ein erster Schritt in Richtung einer vollautomatischen Qualitätskontrolle für Bildanalysen nach automatisierter Segmentierung.

biho/ktg
20.09.2019

Sie müssen sich einloggen, um Kommentare zu verfassen.

Ihr direkter Draht zu uns