뇌 MRI에서 Skull Stripping 사례 링크

https://www.phddirection.com/skull-stripping-using-python/

Processing Steps for Skull Stripping using Python (Top 10 Latest Algorithm)

위 링크 내용 정리한 포스팅입니다.

 

뇌 MRI 데이터를 활용한 이상치 탐색 또는 분류 작업을 수행하기 위해선 전처리가 필수적인데,

 

뇌조직이 아닌 두개골을 제거한다면 보다 높은 정확도를 기대할 수 있기 때문에

 

자동으로 Skull Stripping해주는 기법 혹은 모델은 의료 데이터 전처리에서 중요한 분야이다.

 

Major Tasks for Skull Stripping

• Mesh Fitting
• Histogram Modification
• Intensity Computations
• 3D Edge Detection
• Bias and Non-uniformity Correction
• Mathematical Operation
• Image Registration
• Geometric Processing
• Image Extraction / Filter
• Personalized Image Filter Construction
• 3D Surface Deformation
• Surface Point Identification
• Non-brain and Brain Tissues Classification
• Image Contrast Enhancement

기본적으로 이해하고 있어야 할 소양에 해당하는 이미지 처리 기법들이다.

 

Different Skull Modalities / Images

• T2‐Weighted
• T1‐Weighted
• T2W with Fluid‐Attenuated Inversion Recovery
• Proton Density‐Weighted
• T1W with Contrast
• T1 Inversion Recovery

MRI 종류인데 간략하게 소개하면 

 

T1(조영제증강전)은 해부학적 관찰에 용이하고,

 

T2(조영제증강후)와 FLAIR(T2에서 물 억제)는 병소 발견에 용이하다.

 

T1이 MRI 관련 어플리케이션이나 Skull Stripping에서 가장 많이 쓰이는 종류라고 한다.

 

Traditional skull stripping algorithms

• Hybrid Approaches
• Morphology-assisted Approaches
• Region Growing Approaches
• Meta-Heuristic Approaches
• Histogram Thresholding Approaches
• Atlas-based Approaches
• Deformable Surface Model-assisted Approaches

 

Current Skull Stripping Techniques

• Clustering Techniques (like K-Means)
  • 데이터셋이 작아도 정확한 편이라는 장점이 있다.
• Region-based Removal
  • 주변 픽셀의 유사도를 평가해 그룹화하는 방식
  • 수학적으로 계산 속도가 빠르다는 장점이 있다.
  • 개념과 코드화가 쉬운 편이다.
  • 콘트라스트다 큰 편이면 보다 효과적으로 작동한다. (밝기 대비 커지게 전처리 필요하다는 말)
• Edge Detection and Removal
  • 컵볼루전이나 필터링을 활용하여 경계(edge)를 찾는 방식
  • 부드러운 경계(곡선)를 찾기 쉬운 편이다

 

Latest Skull Stripping Algorithms

• E-Net
• 3D-UNet
• V-Net
• U-Net
• Exfuse
• E-Net
• CNN with CRF
• ParseNet
• Dense-ASSP
• FC-DenseNet
• RefineNet
• FCN (VGG-16)
• DeepMask
• Pyramid Scene Parsing Network
• Path Aggregation Network
• Context Encoding Net
• Dilated Convolutional Net
• Global Convolutional Net
• Deconvolution Network
• Reature Pyramid Network
• Discriminative Feature Network

최근에는 그냥 이미지 처리 기법을 넘어서 딥러닝 프레임워크 연구 진행이 활발한 모양이다.

 

Processing Steps for Skull Stripping using Python

• Network Training
  • Mainly intended for Keras library
  • Enable to categorize center pixel by training 4 layer sequential model over MRI image (33×33 patches)
  • Each input is comprised with 4 channels where one channel is used for imaging sequence
  • In overall, the network can acquire the relative pixel intensities of every class
• Dataset Processing
  • Mainly intended for assessing techniques of brain tumor segmentation
  • Enable to process the input data from BRATS database
  • BRATS database is comprised with following images
    • T2 weighted fluid attenuated inversion recovery (FLAIR)
    • T1 weighted MRI with gadolinium contrast (T1c)
  • In overall, it is used to do comparative study among automated delineation techniques
• Sample Skull-Stripping Procedure
  • Collect the raw MRI input images as FLAIR / T1c / T1 / T2 in NIFTI or DICOM format
  • Preprocess the data of BRATS database
  • Pass over the Skull-stripped image from BRATS space to BRATS segmentor as input
  • Perform candidate dissections by tumor delineations from algorithmic database
  • Transfer the dissected candidates into BRATS for fused segmentation
  • Utilize consensus voting for fused segmentation

 

Python Libraries for Skull Stripping

• OpenCV
  • 영상처리 / 이미지처리에 가장 대표적인 오픈소스 라이브러리 (자바 C++ 파이썬)
• Pixellib
  • 영상 / 이미지 Segmentation 구현 가능 (파이썬)
• TensorFlow
• Sci_Kit Image
  • 특징 추출이나 특정 영역 검출, 색상 공간 변환, 필터링, 모폴로지 연산 등을 제공
  • 주로 이미지 처리나 컴퓨터 비전 분야에서 활용 (파이썬)
• Pillow
  • It enables developers to implement diverse algorithms for image manipulation
  • 다양한 포맷의 이미지 처리 가능 (PPM, TIFG, PNG, BMP, JPEG, GIF)

• numpy 이미지 wjwkd
• matplotlib 이미지 시각화
• scipy 최적화 / 수학 관련 

 

Latest Research Topics in Skull Stripping

• ANTs and FSL based Preprocessing pipeline using MRI Images
• Single and Multi-MRI Modalities for Brain Region Filtration  
• Employment of Deep Learning for Skull Stripping using Python
• Thresholding Method for Tumor Segmentation and Skull-stripping
• Skull-stripping and Brain Extraction over CT and MRI Brain Images
• Bias Field Correction, Enhancement, Registration Operations in MR images
• U-Net-based FLAIR Anomaly Stripping in MR Brain Images
• Skull Removal and Brain Volume Analysis over CT Brain image using MATLAB

실질적으로 위 내용 구글링해서 논문 확인해보는 것이 가장 효과적인 공부 방법일 듯하다.

 

아직 눈에 들어오지 않는다..