胸部CT画像における肺結節のシームレスな挿入．

Seamless Insertion of Pulmonary Nodules in Chest CT Images.

• Aria Pezeshk
• Berkman Sahiner
• Rongping Zeng
• Adam Wunderlich
• Weijie Chen
• Nicholas Petrick

抄録

大規模な医用画像データセットの利用可能性は、コンピュータ支援診断システムのトレーニングとテスト、セグメンテーションアルゴリズムの評価、知覚研究の実施など、多くのアプリケーションにおいて非常に重要である。しかし、医用画像のデータ収集と基底真理の確立には、コストがかかり、困難な作業となっています。この問題を解決するために、我々は、元画像から抽出した病変を対象画像にシームレスに挿入することで、既存のデータセットの修正や補完を可能にする画像ブレンディングツールの開発を行っている。本研究では、このツールを胸部CT検査における肺結節に適用することに焦点を当てている。本研究では、ユーザーの関与を2つの簡単なステップに限定することで、合成画像の知覚品質に対するユーザーのスキルの影響を最小限に抑えている。臨床サンプル上で本システムの性能を実証し、臨床結節と比較した挿入結節のリアルさを評価した読者研究の結果を報告する。さらに、異なるノイズレベルと再構成フィルタの下でシミュレーションされたファントムを用いて、画像ブレンディング技術を評価する。具体的には、ネイティブ結節と挿入結節を囲む関心領域のホテリングオブザーバー（HO）のROC曲線下面積とノイズパワースペクトルを計算し、挿入結節とネイティブ結節の検出性、ノイズテクスチャ、およびノイズマグニチュードを比較した。これらの結果は、臨床CT画像における肺結節の挿入に対する我々のアプローチの実行可能性を示している。

The availability of large medical image datasets is critical in many applications, such as training and testing of computer-aided diagnosis systems, evaluation of segmentation algorithms, and conducting perceptual studies. However, collection of data and establishment of ground truth for medical images are both costly and difficult. To address this problem, we are developing an image blending tool that allows users to modify or supplement existing datasets by seamlessly inserting a lesion extracted from a source image into a target image. In this study, we focus on the application of this tool to pulmonary nodules in chest CT exams. We minimize the impact of user skill on the perceived quality of the composite image by limiting user involvement to two simple steps: the user first draws a casual boundary around a nodule in the source, and, then, selects the center of desired insertion area in the target. We demonstrate the performance of our system on clinical samples, and report the results of a reader study evaluating the realism of inserted nodules compared to clinical nodules. We further evaluate our image blending techniques using phantoms simulated under different noise levels and reconstruction filters. Specifically, we compute the area under the ROC curve of the Hotelling observer (HO) and noise power spectrum of regions of interest enclosing native and inserted nodules, and compare the detectability, noise texture, and noise magnitude of inserted and native nodules. Our results indicate the viability of our approach for insertion of pulmonary nodules in clinical CT images.