Ces radiol. 2023, 77(3):156-163 | DOI: 10.55095/CesRadiol2023/019

Přesnost a efektivita poloautomatických segmentačních programů pro stanovení objemu jater z MR snímkůPůvodní práce

Petr Kordač1, Bára Šetinová1, Dita Pajuelo1, Monika Dezortová1, Jan Kovář2, Lenka Rossmeislová3, Michaela Šiklová3, Milan Hájek1, Petr Šedivý1
1 Oddělení výpočetní tomografie, magnetické rezonance a klinické a experimentální spektroskopie, Pracoviště zobrazovacích metod (PZM), Institut klinické a experimentální medicíny, Praha
2 Centrum experimentální medicíny, Institut klinické a experimentální medicíny, Praha
3 Ústav patofyziologie 3. LF UK, Praha

Cíl: Zhodnotit různé segmentační programy pro segmentováníjater z MR snímků.

Metodika: U sedmi zdravých dobrovolnic (průměrný věk 38,2± 5,5 let, BMI = 28, 6 ± 8,3 kg/m2) bez známého jaterního čicholestatického onemocnění byla provedena tři MR vyšetření - před zahájenímhladovění, po 48 hodinách hladovění a po následné dvoudenní sacharidovérealimentaci. Játra byla segmentována sedmi (polo)automatickými metodami vprogramech 3D Slicer, LiverLab, ITK-SNAP, Myrian a MedSeg a porovnána vůčireferenční manuální segmentaci.

Výsledky: Všechny použité metody pro stanovení objemu jater prokázaly dobroupřesnost. Vnitrotřídní koeficienty konzistence i shody byly nad 0,95.Nejlepšího variačního koeficientu (CV) dosáhla segmentace modulemTotalSegmentator z nabídky programu 3D Slicer. Modul TotalSegmentator dosáhl inejlepší přesnosti v rámci individuálního hodnocení efektu dietní intervence,kde byl průměrný CV pod 10 % (ostatní metody měly CV mezi 10-20 %).

Závěr: Program 3D Slicer lze považovat za nejlepší zevšech testovaných programů pro segmentace jater z MR snímků z hlediskadostupnosti, přesnosti a rychlosti. V základních úkonech, jako je segmentaceorgánů, dokáže konkurovat i komerčnímu programu. Lze s ním s dobrou přesnostísledovat i změny objemu jater při krátkodobých dietních intervencích.

Klíčová slova: 3D Slicer, MR, segmentace obrazu, segmentace jater

Zveřejněno: 1. září 2023  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Kordač P, Šetinová B, Pajuelo D, Dezortová M, Kovář J, Rossmeislová L, et al.. Přesnost a efektivita poloautomatických segmentačních programů pro stanovení objemu jater z MR snímků. Ces radiol. 2023;77(3):156-163. doi: 10.55095/CesRadiol2023/019.
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Zobrazit celý článek

    Reference

    1. Janek J, Bician P, Kenderessy P, Kothaj P, Novotná K, et al. Experience with hepatoblastoma treatment in small children-the use of preoperative 3D virtual analysis MeVis for liver resections. Rozhledy v Chirurgii: Mesicnik Ceskoslovenske Chirurgicke Spolecnosti 2017; 96(1): 25-33.
    2. Li K, Yan G, Zheng W. Sun J, and Zou Y. Measurement of the Brain Volume/Liver Volume Ratio by Three-Dimensional MRI in Appropriate-for-Gestational Age Fetuses and Those With Fetal Growth Restriction. Journal of Magnetic Resonance Imaging 2021; 54(6): 1796-1801. Přejít k původnímu zdroji... Přejít na PubMed...
    3. Ohshima S. Volume analyzer SYNAPSE VINCENT for liver analysis. Journal of Hepato-Biliary-Pancreatic Sciences 2014; 21(4): 235-238. Přejít k původnímu zdroji... Přejít na PubMed...
    4. Hájek M, Dezortová M, Burian M, Dusilová T, Kovář J, et al. Determination of liver steatosis by MR spectroscopic methods PRESS, STEAM and HISTO. Česká radiologie 2020; 74(3): 211-221. Přejít k původnímu zdroji...
    5. Šedivý P, Dezortová M, Burian M, Dusilová T, Kovář J, et al. Porovnání přesnosti spektroskopických a zobrazovacích technik magnetické rezonance pro stanovení jaterní steatózy. Chemicke Listy 2021; 115: 46-53.
    6. Sedivy P, Dusilova T, Setinova B, Dezortova M, Burian M, et al. Liver response to fasting and isocaloric high-carbohydrate refeeding in lean and obese women. Abstract ISMRM London 2022.
    7. 3D Slicer (USA), v. 5.2.2 (vytvořeno 22. 2. 2022) [software] [cit. 27. 7. 2023]. Dostupný z: https://download.slicer.org/. Windows 10, 64 bit, 16 GB RAM, CPU i3.
    8. Fedorov A, Beichel R, Kalpathy-Cramer J, Finet J, Fillion-Robin JC, et al. 3D Slicer as an Image Computing Platform for the Quantitative Imaging Network. Magnetic Resonance Imaging 2012; 30(9): 1323-1341. PMID: 22770690. PMCID: PMC3466397. Přejít k původnímu zdroji... Přejít na PubMed...
    9. Egger J, Kapur T, Nimsky C, Kikinis R. Pituitary adenoma volumetry with 3D Slicer. PLoS One 2012; 7(12): e51788. Přejít k původnímu zdroji... Přejít na PubMed...
    10. Hasan SM, Ahmad M. Two-step verification of brain tumor segmentation using watershed-matching algorithm. Brain informatics 2018; 5(2): 1-11. Přejít k původnímu zdroji... Přejít na PubMed...
    11. TotalSegmentator v. 1.0 [modul do programu 3D-Slicer] [cit. 27. 7. 2023]. Dostupný z: https://doi.org/10.48550/arXiv.2208.05868. Windows 10, 64 bit, 16 GB RAM, CPU i3.
    12. Sellers R. MR LiverLab. MAGNETOM Flash 2016; 66.
    13. ITK-SNAP (USA), v. 3.6.0 (vytvořeno 1. 4. 2017) [software] [cit. 27. 7. 2023]. Dostupný z: http://www.itksnap.org/pmwiki/pmwiki.php?n=Downloads.SNAP3. Windows 10, 64 bit, 16 GB RAM, CPU i3.
    14. Yushkevich PA, Piven J, Hazlett HC, Smith RG, Ho S, et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. Neuroimage 2006; 31(3): 1116-1128. Přejít k původnímu zdroji... Přejít na PubMed...
    15. Yushkevich, PA, Pashchinskiy A, Oguz I, Mohan S, Schmitt JE, et al. User-guided segmentation of multi-modality medical imaging datasets with ITK-SNAP. Neuroinformatics 2019; 17: 83-102. Přejít k původnímu zdroji... Přejít na PubMed...
    16. Myrian® Studio (Intrasense, Francie), v. 2.6.4 (vytvořeno 10. 5. 2019) [software] [cit. 27. 7. 2023]. Dostupný z: https://studio.myrian.fr/downloadoldversions/. Windows 10, 64 bit, 16 GB RAM, CPU i3.
    17. MedSeg (Norsko) (vytvořeno 21. 9. 2019) [webový software] [cit. 27. 7. 2023]. Dostupný z: https://htmlsegmentation.s3.eu-north-1.amazonaws.com/index.html. Windows 10, 64 bit, 16 GB RAM, CPU i3, Google Chrome.
    18. Suri JS, Agarwal S, Carriero A, Paschè A, Danna PS, et al. COVLIAS 1.0 vs. MedSeg: artificial intelligence-based comparative study for automated COVID-19 computed tomography lung segmentation in Italian and Croatian Cohorts. Diagnostics 2021; 11(12): 2367. Přejít k původnímu zdroji... Přejít na PubMed...
    19. Shrout PE, Fleiss JL. Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin 1979; 86: 420-428. Přejít k původnímu zdroji... Přejít na PubMed...
    20. Koo TK, Li MY. A Guideline of Selecting and Reporting Intraclass Correlation Coefficients for Reliability Research. Journal of Chiropractic Medicine 2016; 15(2): 155-163. Přejít k původnímu zdroji... Přejít na PubMed...
    21. Altman DG, Bland JM. Measurement in medicine: The analysis of method comparison studies. The Statistician 1983; 32: 307-317. Přejít k původnímu zdroji...

    Tento článek je publikován v režimu tzv. otevřeného přístupu k vědeckým informacím (Open Access), který je distribuován pod licencí Creative Commons Attribution 4.0 International License (CC BY 4.0), která umožňuje distribuci, reprodukci a změny, pokud je původní dílo řádně ocitováno. Není povolena distribuce, reprodukce nebo změna, která není v souladu s podmínkami této licence.


    Zpět na obsah