S'abonner

Multi-Atlas Based Adaptive Active Contour Model with Application to Organs at Risk Segmentation in Brain MR Images - 31/10/20

Doi : 10.1016/j.irbm.2020.10.007 
Y. Zhang a, J. Duan a, b, Y. Sa a, Y. Guo a,
a School of Precision Instruments & Opto-Electronics Engineering, Tianjin University, Tianjin 300072, China 
b Shandong Cancer Hospital and Institute, Shandong 250117, China 

Corresponding author at: School of Precision Instruments & Opto-Electronics Engineering, Tianjin University, 92 Weijin Road, Tianjin 300072, China.School of Precision Instruments & Opto-Electronics EngineeringTianjin University92 Weijin RoadTianjin300072China
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 31 October 2020
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Method is proposed for the segmentation of organ at risk in brain tumor MR images.
It combines multi-atlas based segmentation with adaptive active contour model.
Adaptive model makes contours adaptively evaluate based on local image gradient.
Method was evaluated with geometric and dosimetric parameters.
Experimental results show its clinical feasibility in brain tumor radiotherapy.

Le texte complet de cet article est disponible en PDF.

Abstract

Background

Accurate delineation of organs at risk (OARs) is critical in radiotherapy. Manual delineation is tedious and suffers from both interobserver and intraobserver variability. Automatic segmentation of brain MR images has a wide range of applications in brain tumor radiotherapy. In this paper, we propose a multi-atlas based adaptive active contour model for OAR automatic segmentation in brain MR images.

Methods

The proposed method consists of two parts: multi-atlas based OAR contour initiation and an adaptive edge and local region based active contour evolution. In the adaptive active contour model, we define an energy functional with an adaptive edge intensity fitting force which is responsible for evaluating contour inwards or outwards, and a local region intensity fitting force which guides the evolution of the contour.

Results

Experimental results show that the proposed method achieved more accurate segmentation results in brainstem, eyes and lens automatic segmentation with the Dice Similar Coefficient (DSC) value of 87.19%, 91.96%, 77.11% respectively. Besides, the dosimetric parameters also demonstrate the high consistency of the manual OAR delineations and the auto segmentation results of the proposed method in brain tumor radiotherapy.

Conclusions

The geometric and dosimetric evaluations show the desirable performance of the proposed method on the application of OARs segmentations in brain tumor radiotherapy.

Le texte complet de cet article est disponible en PDF.

Keywords : Organs at risk segmentation, Active contour model, Multi-atlas segmentation, Radiotherapy


Plan


© 2020  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.