본 논문은 입력받은 두 개의 윤곽선은 이용하여 중간 슬라이스의 윤곽선을 자동으로 추출하는 방법을 제안한다. 첫째, 형상기반 보간을 통해 형상 차이가 큰 경우에도 객체 형상에 근사한 초기 윤곽선을 생성함으로써 분할의 정확성을 높인다. 둘째, 유사한 밝기값을 가진 주변 영역으로의 누출을 제한하기 위해 초기 윤곽선을 기준으로 협대역을 설정하고, 협대역내 남아있는 누출을 제거하고 사용자 입력과 유사한 윤곽선을 추출하기 위해 사전 형상 정보를 반영한 Chan-Vese 모델을 이용하여 객체 영역을 추출한다. 셋째, 형태학적 연산 및 경계 추적 기법을 통해 최종 윤곽선을 추출한다. 제안방법의 성능 평가를 위해 복부 CT 영상과 동적 성장 CT 영상을 이용하여 육안평가, 정확성평가와 수행시간을 측정한다. 육안평가는 복부 CT 영상에서 주변에 유사한 밝기값을 갖는 간의 윤곽선을 견고하게 윤곽화함을 확인하였고, 동적 심장 CT 영상에서 객체의 경계가 불연속적이고 곡률이 큰 좌심실 내벽을 사용자가 입력한 윤곽선과 유사하게 윤곽화함을 확인하였다. 정확성 평가는 제안된 방법으로 추출된 윤곽선 결과와 임상전문의에 의해 수동으로 추출된 윤곽선 결과 간의 평균 대칭 거리와 중복 영역 비율로 평가한다. 동적 심장 CT 영상과 복부 CT 영상에 적용한 결과 평균 중북영역비율은 95% 이상으로 측정되었고, 평균 거리의 차는 $0.67{pm}0.15$ mm 혹 1~2개 화소보다 작게 측정되었다. 제안방법을 적용하여 윤곽선을 추출하는데 한 슬라이스 당 평균 0.22초의 수행시간이 소요되었다. 본 제안방법은 의료 진단영상을 이용한 방사선 치료 계획 시 장기의 윤곽선을 추출 할 때 활용될 수 있다.
In this paper, We propose a method for automatic contouring of middle slices similar to input contours using the improved Chan-Vese model with shape prior. First, to enhance the accuracy of the next steps when the object has a large shape differences, initial contours of middle slices are generated using shape-based interpolation. Second, to reduce the leakage, narrowbands are defined using the initial contours. And in order to extract the object similar to user input and get rid of leakakge, Chan-Vese model is combined with shape prior. The object is extracted from image using the improved Chan-Vese model. Finally, to extract the contours of middle slices from result of previous step, morphological operator and chain code are performed. Our method has been applied to ten patients in abdominal contrast-enhanced CT imaging and dynamic cardiac CT imaging. For the evaluation of our method, we performed the visual inspection, accuracy measures and processing time. For visual inspection, in spite of object having similar intensity around such as kidneys, ribs and so on, contours of liver were extracted robustly. Contours of left ventricular endocardial that the boundary had a large curvature and discontinuity were extracted similar to input contours. The accuracy was measured using average symmetric distance and volume overlapping rate between automatic segmentation and manual segmentation by a radiologists. The average symmetric distance was $0.67{pm}0.15$ mm and overlapping rate was over 95%. The average processing time of contouring was 0.22 seconds per slice. Our method can be used planning of imaging guided radiation therapy.
