Comparison of Lung Tumor Segmentation Methods on PET Images

Abstract

Akciğer kanseri, tüm dünyada kansere bağlı gerçekleşen ölümlerin en sık nedenidir. Son zamanlarda, tümör içi 18Fflorodeoksiglukoz (FDG)’un tutulumunun düzgünlük, pürüzlülük ve düzenliliğini (yani tekstür özelliklerini) tanımlamak için PET görüntüleri üzerinde çeşitli görüntü işleme yaklaşımları kullanılmaktadır. Bunun ilk ve önemli aşaması tümörlü bölgenin diğer bölgelerden başarıyla ayrıştırılması, yani segmentasyonudur. Bu çalışmada, 36 hastadan alınan tek veya çok kesit görüntüler üzerinde kortalamalar, aktif kontur (yılan), Otsu eşikleme yaklaşımlarını kullanarak elde edilmiş alan ve hacimlerin ekibimizdeki nükleer tıp uzmanı tarafından değerlendirmesiyle karşılaştırması yapılmıştır. Sonuç olarak, Otsu eşikleme algoritmasının daha seçici davrandığı gözlenmiştirLung cancer is the most common cause of cancer-related deaths that occur all over the world. Recently, various image processing approaches have been used on PET images in order to characterize the uniformity, density, coarseness, roughness, and regularity (i.e., texture properties) of the intratumoral 18F-fluorodeoxyglucose (FDG) uptake. The first and important step of this kind of analysis is to differentiate tumor region from other structures and background, which is called segmentation. In this study, k-means, active contour (snake), and Otsu’s tresholding methods were applied on PET images obtained from 36 patients and the performances were compared by the nuclear medicine expert in our team. The results show that Otsu tresholding approach is more selective.