Human brain magnetic resonance (MR) images are widely used for the several purposes, such as visualization of the cortical surface, measurement of the cortical thickness, generation and degeneration of the brain, and diagnosis and analysis of disease. In these types of studies, a brain region is extracted from MR images in an important preprocessing step called skull stripping. In general, skull stripping is performed either by manual segmentation or automatic segmentation. However, because manual segmentation has drawbacks, such as the need for trained experts and the laboriousness of the task, automatic skull tripping is generally preferable in large-scale studies. After the skull stripping, we can visualize the brain region, including the cerebrum, the cerebellum, and part of the brain stem. Only the cerebrum volume is needed to visualize the cerebral cortex, so the cerebellum and the brain stem should be removed. By using the cerebellum segment, we can investigate various functional activities of the cerebellum, such as the motor, balance, language, and distance measurement functions. A skull-stripped volume without the cerebellum is then obtained, and the cerebral cortex can be transformed into a sphere or flat map for analysis of the cerebral cortex across populations. However, the cerebrum volume has topological defects, such as tunnels and holes, which prevent the occurrence of homeomorphism when the cerebral cortex is transformed into a sphere or flat map.
This thesis proposes a skull-stripping method based on a level set method with a speedup operator and a refinement process. We first extend a conventional 2D level set method to a 3D equation and then apply the speedup operator to reduce the computation load. The speedup operator can improve the propagation speed of zero level surfaces while maintaining a signed distance function. Because the skull-stripped volume includes the cerebrum, the cerebellum, and part of the brain stem, we propose a cerebellum segmentation method based on an active contour model with a prior shape. We then obtain the cerebrum volume by extracting the cerebellum. Finally, to correct the topological defects of the cerebrum volume, we propose a topological correction method based on a graph theory.
The experimental results were obtained with simulation data and in vivo brain images acquired from 1.5T and 3T MRI systems. The speedup operator reduces the total iterations of the synthesized volume by 75%. The proposed method was applied to several datasets and compared with existing methods such as BrainVisa, BET, and FreeSurfer. The proposed method provides a Jaccard index results of 0.971±0.0114 for the BrainWeb dataset, 0.864±0.035 for the IBSR dataset, and 0.9414±0.0517 for a self-produced dataset acquired from the 3T MRI system. In addition, the segmented cerebellum is compared with the FreeSurfer results. Using a manually segmented cerebellum as a reference, we obtained the following average Jaccard coefficients for the proposed method: 0.882 for the BrainWeb dataset and 0.885 for the 3T MRI dataset. Finally, the proposed topological correction method efficiently and intuitively provides an image of the cerebral cortex without any defects.
뇌자기공명영상(뇌 영상)은 뇌 기능과 대뇌의 다중 가시화, 대뇌 피질 표면의 두께 측정, 뇌의 성장과 퇴화, 뇌 관련 질병의 진단 및 분석에 많이 사용되고 있고, 이러한 연구는 뇌 영상으로부터 뇌 영역을 분할하는 단계에서 시작된다. 뇌 영상에 대하여 뇌 영역 추출(brain region extraction)을 적용하면, 대뇌뿐 아니라 소뇌와 뇌줄기(brainstem)가 포함된 뇌 영역을 얻을 수 있는데, 대뇌 피질 표면을 분석하기 위해서는 소뇌 분할 알고리즘으로 소뇌를 제거해 주어야 한다. 다음 단계로, 여러 뇌 영상들을 분석하기 위해 대뇌를 구 혹은 2차원 평면으로 변환해야 하는데, 이때, 대뇌 피질 표면에 위상 오류가 있으면, homeomorphism을 만족하지 못하여 왜곡된 결과를 얻을 수 있다. 따라서, 대뇌 피질 표면의 위상 오류를 보정하여, 대뇌가 구와 같은 위상을 갖도록 해야 한다. 본 논문에서는, 첫째로, 속도 연산자를 가지는 3차원 레벨셋을 이용한 뇌 영역 추출을 제안하였다. 슬라이스 간 영향을 고려하기 위하여 기존의 2차원 레벨셋을 3차원 레벨셋으로 확장하고, 반복 연산을 줄이기 위하여 속도 연산자를 적용하여 제로 레벨 커브가 빠르게 전파되도록 하였다. 다양한 뇌 영상을 이용하여 기존에 제안된 다른 방법들과 비교실험을 하였다. 실험 결과, 반복 연산 횟수를 75% 가량 줄여 3D 레벨셋의 문제인 계산 복잡도를 개선하였고, 뇌 영역 분할 결과 역시 다른 방법들과 비교하였을 때 다양한 뇌 영상에 대하여 더욱 안정적인 결과를 얻을 수 있었다. 둘째로, 뇌 영역 추출을 통하여 얻은 뇌 영역으로부터, 형태 제한을 하는 동적 윤곽선 모델(active contour model)을 이용하여 소뇌를 분할하는 방법을 제안하였다. 이 방법은 형태 제한이, 복잡하거나 모호한 경계를 효과적으로 구분할 수 있음을 확인하였고, 여러 뇌 영상에 적용하였을 때, 안정된 결과를 얻을 수 있었다. 셋째로, 대뇌 피질 표면의 위상 오류를 보정하기 위한 방법을 제안하였다. 이 방법은 일반적인 그래프 이론에 기반을 둔 것으로, 표면에 존재하는 터널(tunnel)과 구멍(hole)의 크기를 고려하여 정해진 조건에 따라 채우거나 개방토록 하였다. 이렇게 함으로써, 대뇌 피질 표면의 변화를 최소화할 수 있었으며, 위상 오류가 없는 볼륨을 구할 수 있었다.
