A Hippocampus Segmentation in Brain MR Images using Level-Set Method

레벨 셋 방법을 이용한 뇌 MR 영상에서 해마영역 분할

In clinical research using medical images, the image segmentation is one of the most important processes. Especially, the hippocampal atrophy is helpful for the clinical Alzheimer diagnosis as a specific marker of the progress of Alzheimer. In order to measure hippocampus volume exactly, segmentation of the hippocampus is essential. However, the hippocampus has some features like relatively low contrast, low signal-to-noise ratio, discreted boundary in MRI images, and these features make it difficult to segment hippocampus. To solve this problem, firstly, We selected region of interest from an experiment image, subtracted a original image from the negative image of the original image, enhanced contrast, and applied anisotropic diffusion filtering and gaussian filtering as preprocessing. Finally, We performed an image segmentation using two level set methods. Through a variety of approaches for the validation of proposed hippocampus segmentation method, We confirmed that our proposed method improved the rate and accuracy of the segmentation. Consequently, the proposed method is suitable for segmentation of the area which has similar features with the hippocampus. We believe that our method has great potential if successfully combined with other research findings.

영상분할은 의료 임상연구에서 가장 중요한 과정 중의 하나이다. 특히 뇌 MRI영상에서 해마의 위축은 알츠하이머병 진행과정의 초기 특정 표지자로서 해마의 볼륨은 초기 알츠하이머병의 임상적 진단에 도움이 된다. 정확한 볼륨 측정에 있어서 해마 영역의 분할은 중요한 역할을 한다. 하지만 MRI 영상에서 해마영역은 낮은 대조도, 낮은 신호 대 잡음 비율, 불연속성 경계의 특징을 보이며, 이러한 특징들은 MRI 영상에서 해마의 정확한 분할을 어렵게 만든다. 이 문제를 해결하기 위해 전처리 과정으로 실험영상에서 관심영역을 선택한 후 반전영상과 원본영상과의 차영상 대조도를 향상시킨 후 비등방성 확산(Anisotropic diffusion) 필터링, 가우시안(Gaussian) 필터링을 수행하였다. 마지막으로 두 개의 레벨 셋(Level Set)기반의 동적 윤곽선(Active Contour) 모델을 결합하여 해마를 분할하는 방법을 제안하였다. 제안된 해마분할방법의 유효성을 다양한 방법으로 평가한 결과 제안된 해마분할방법은 분할 속도와 정확도 면에서 뚜렷하게 개선이 되었음을 확인하였다. 결론적으로 제안된 방법이 해마와 같은 특징을 가진 영역을 분할하는데 적합하다고 할 수 있다. 향후 다른 연구 기법들과 결합할 경우 더욱 잠재성이 증대될 수 있을 것이다.