Renal ultrasound (US) imaging is the primary imaging modality for the assessment of the kidney’s condition and is essential for diagnosis, treatment and surgical intervention planning, and follow-up. In this regard, kidney delineation in 3-D US images represents a relevant and challenging task in clinical practice. In this article, a novel framework is proposed to accurately segment the kidney in 3-D US images. The proposed framework can be divided into two stages: 1) initialization of the segmentation method and 2) kidney segmentation. Within the initialization stage, a phase-based feature detection method is used to detect edge points at kidney boundaries, from which the segmentation is automatically initialized. In the segmentation stage, the B-spline explicit active surface framework is adapted to obtain the final kidney contour. Here, a novel hybrid energy functional that combines localized region- and edge-based terms is used during segmentation. For the edge term, a fast-signed phase-based detection approach is applied. The proposed framework was validated in two distinct data sets: 1) 15 3-D challenging poor-quality US images used for experimental development, parameters assessment, and evaluation and 2) 42 3-D US images (both healthy and pathologic kidneys) used to unbiasedly assess its accuracy. Overall, the proposed method achieved a Dice overlap around 81% and an average point-to-surface error of ~2.8 mm. These results demonstrate the potential of the proposed method for clinical usage.

中文翻译：

---

使用基于快速相位的方法在3D超声图像中进行肾脏分割

肾脏超声（US）成像是评估肾脏状况的主要成像方式，对于诊断，治疗和手术干预计划以及随访至关重要。在这方面，在3D US图像中进行肾脏描绘是临床实践中一项相关且具有挑战性的任务。在本文中，提出了一种新颖的框架来准确分割3D US图像中的肾脏。所提出的框架可以分为两个阶段：1）分割方法的初始化和2）肾脏分割。在初始化阶段，使用基于阶段的特征检测方法来检测肾脏边界处的边缘点，从该边缘点开始自动进行分割。在分割阶段，B样条显式活动表面框架适用于获得最终的肾脏轮廓。这里，在分割过程中使用了一种新颖的混合能源功能，将局部区域和基于边缘的术语结合在一起。对于边缘项，应用了基于快速签名相位的检测方法。在两个不同的数据集中验证了所提出的框架：1）使用15张3D具有挑战性的劣质US图像进行实验开发，参数评估和评估，以及2）使用42张3D US图像（健康肾脏和病理肾脏）公正地评估其准确性。总体而言，所提出的方法实现了约81％的Dice重叠率和〜2.8 mm的平均点到表面误差。这些结果证明了所提出的方法在临床上的潜力。在两个不同的数据集中验证了所提出的框架：1）使用15张3D具有挑战性的劣质US图像进行实验开发，参数评估和评估，以及2）使用42张3D US图像（健康肾脏和病理肾脏）公正地评估其准确性。总体而言，所提出的方法实现了约81％的Dice重叠率和〜2.8 mm的平均点对面误差。这些结果证明了所提出的方法在临床上的潜力。在两个不同的数据集中验证了所提出的框架：1）使用15张3D具有挑战性的劣质US图像进行实验开发，参数评估和评估，以及2）使用42张3D US图像（健康肾脏和病理肾脏）公正地评估其准确性。总体而言，所提出的方法实现了约81％的Dice重叠率和〜2.8 mm的平均点对面误差。这些结果证明了所提出的方法在临床上的潜力。所提出的方法实现了约81％的Dice重叠，平均点对表面误差约为2.8 mm。这些结果证明了所提出的方法在临床上的潜力。所提出的方法实现了约81％的Dice重叠，平均点对表面误差约为2.8 mm。这些结果证明了所提出的方法在临床上的潜力。