Welches Segmentierungstool sollten Sie verwenden?
Eine detaillierte Bewertung fünf bekannter Tools
Jeder, der medizinische Bilddaten für die Entwicklung von KI-Anwendungen in der Medizintechnik annotiert, weiß, dass es eine große Auswahl an Segmentierungstools gibt, die für diese Zwecke zur Verfügung stehen. Eine häufige Frage bei derartigen Projekten ist daher: Welches ist das beste Segmentierungstool auf dem Markt?
In diesem Artikel evaluieren wir fünf verschiedene Segmentierungstools: 3D Slicer, MITK Workbench, ITK Snap, ImFusion Labels und QuPath. Wir haben jedes dieser Tools ausgiebig getestet und dabei insgesamt rund 1000 Stunden an Segmentierungsarbeit geleistet. Basierend auf unseren Erfahrungen in verschiedenen Projekten teilen wir in diesem Artikel, was wir über die fünf Tools gelernt haben.
Auf folgende Punkte wird in diesem Artikel eingegangen:
- Welche Kriterien ein gutes Segmentierungstool erfüllen sollte
- Unsere Erfahrungen mit fünf verschiedenen Tools und wofür wir sie eingesetzt haben
- Die Stärken und Schwächen der einzelnen Segmentierungstools
- Welches Segmentierungstool wir Ihnen empfehlen würden
Die Kriterien, die wir zur Bewertung der Segmentierungstools herangezogen haben
Es gibt zwei wichtige Bereiche, wenn es um den Einsatz von Segmentierungstools geht:
Den technischen Standard und die Benutzerfreundlichkeit des Tools. Das Tool sollte nicht nur über bestimmte technische Funktionalitäten verfügen, die gut funktionieren, sondern auch benutzerfreundlich sein und Lehrmaterialien bereitstellen. Wir bewerten die Tools anhand der folgenden fünf Kriterien, die sowohl den technischen Standard als auch die Benutzerfreundlichkeit eines Segmentierungstools abdecken:
1. Manuelle Segmentierung
Manuelle Segmentierung bedeutet, dass ein Benutzer des Tools die verschiedenen Bereiche des Bildes von Hand ohne jegliche Automatisierung annotiert. Ein gutes Tool verfügt über benutzerfreundliche Funktionen für die manuelle Segmentierung und ermöglicht dem Benutzer, präzise Ergebnisse zu erhalten.
2. Automatische Segmentierung
Automatische Segmentierung bedeutet, dass das Segmentierungstool das Bild automatisch auf der Grundlage vorheriger Eingaben oder eingestellter Parameter segmentiert. Eine gute Software liefert präzise Ergebnisse, nachdem die entsprechenden Parameter eingestellt wurden.
3. Schwellenwertverfahren
Schwellenwertverfahren bedeutet, dass das Segmentierungstool Bereiche des medizinischen Bildes basierend auf einem bestimmten Schwellenwert auswählt. Ein gutes Tool liefert präzise Ergebnisse, kann auf ähnliche Bilder angewendet werden (z.B. verschiedene Gewebetypen bei der automatischen Gewebedifferenzierung) und hat genügend Einstellungen, um die gewünschten Ergebnisse zu erzielen.
4. Benutzeroberfläche
Die Benutzeroberfläche ist die optische Darstellung, die Sie sehen, wenn Sie mit einem Segmentierungstool arbeiten. Ein gute Benutzeroberfläche ist einfach zu bedienen, hat alle wesentlichen Funktionen in Reichweite, lässt sich leicht konfigurieren und hat eine intuitive Bedienung.
5. Lehrmaterialien
Es ist wichtig, dass genügend Lehrmaterialien zur Verfügung stehen, damit Sie die Arbeit mit einem neuen Segmentierungstool adäquat erlernen können. Tools mit Tutorials, Benutzerhandbüchern, Hilfemenüs und zusätzlichem Support durch den Hersteller punkten bei der Benutzerfreundlichkeit.
Die Segmentierungstools & deren Verwendung
Im Laufe von zwei Jahren haben wir verschiedene Projekte im Bereich der Annotation von medizinischen Bilddaten durchgeführt. In diesem Zeitraum haben wir rund 1000 Arbeitsstunden in die Arbeit mit fünf Segmentierungstools investiert, die wir in diesem Artikel bewerten:
3D Slicer
Wir haben den 3D Slicer in einem Dermatologieprojekt eingesetzt, in dem wir Plattenepithel- und Basalzellkarzinome in konfokalmikroskopischen Bildern segmentiert haben. Wir haben das Tool auch für ein Projekt in der Wirbelsäulenchirurgie verwendet, für das wir verschiedene Pathologien von Frakturen bis hin zu degenerativen Entzündungen auf Röntgen-, CT- und MRT-Bildern annotiert und segmentiert haben.
MITK Workbench
MITK Workbench haben wir für Projekte in der Urologie verwendet, in denen wir Prostatakarzinome auf verschiedenen MRI-Karten (T2, DCE, DWI, ADC) segmentiert haben.
ITK Snap
Für ein Covid-19-Projekt im Bereich der Pneumologie haben wir die Software ITK Snap verwendet, um hochauflösende CT-Bilder von Covid-19-Pneumonien zu segmentieren, um krankheitstypische Läsionen mit Hilfe von AI automatisch kenntlich zu machen.
ImFusion Labels
ImFusion Labels haben wir ebenfalls in dem oben erwähnten Covid-19-Projekt eingesetzt.
QuPath
Mit QuPath haben wir Tumormassen bei Plattenepithel- und Basalzellkarzinomen segmentiert.
Da wir eine Vielzahl von Projekten durchgeführt und viele Stunden mit den Tools gearbeitet haben, wollen wir nun die technischen Möglichkeiten sowie die Benutzerfreundlichkeit der vier Segmentierungstools vergleichen.
Die Bewertung der Segmentierungstools
Bevor wir auf die Bewertung der Tools selbst eingehen, im Folgenden ein kurzer Disclaimer: Diese Bewertungen beruhen auf unseren eigenen Erfahrungen mit den Tools in ganz konkreten Projekten. Es ist wichtig zu beachten, dass jedes Projekt anders ist und seine eigenen Anforderungen hat. Daher ist es unmöglich, eine allgemeine Empfehlung für oder gegen eines der Tools zu geben.
3D Slicer
Das am häufigsten verwendete Tool
3D Slicer ist eines der gebräuchlichsten Tools für die Segmentierung und Kommentierung von medizinischen Bilddaten. Wie bei der manuellen Segmentierung zeichnet es sich durch einen großen Funktionsumfang, eine zuverlässige Leistung bei der Speicherung und Verarbeitung sowie durch präzise Ergebnisse aus. 3D Slicer hat eine große Bandbreite an möglichen Einsatzszenarien und auch sehr spezielle Anwendungsfälle können abgebildet werden. Besonders hilfreich ist, dass exakte Regionen ausgewählt werden können, so dass auch zwei benachbarte Strukturen sehr genau segmentiert werden. Die Verwendung der tollen Schwellenwertverfahrenfunktion als Maske für die manuelle Segmentierung in den markierten Bereichen kann viel Zeit sparen.
Für die automatische Segmentierung werden Erweiterungen benötigt. So haben wir in der Bibliothek für seltene Bildformate eine Erweiterung gefunden, mit der wir in einem Dermatologieprojekt konfokale Bilddaten einlesen konnten. Eine Erweiterung des Grafikherstellers Nvidia ermöglichte uns die automatische Segmentierung von Weichteilen und inneren Organen, die sonst einen relativ hohen manuellen Segmentierungsaufwand erfordert. Für einige Körperstrukturen funktionieren diese Erweiterungen gut, für andere sind die Ergebnisse jedoch nicht sehr präzise.
Die Benutzeroberfläche des 3D Slicer hat eine gewisse Komplexität und daher erfordert das Tool eine Lernkurve. Glücklicherweise gibt es eine aktive Benutzergemeinschaft, in der im Laufe der Zeit viele Informationen und Lehrmaterialien verfügbar geworden sind. Dies erleichtert Anfängern den Einstieg in das Tool.
Manuelle Segmentierung ★★★
Automatische Segmentierung ★★☆
Schwellenwertverfahren ★★★
Benutzeroberfläche ★★☆
Lehrmaterialien ★★★
MITK Workbench
Eine übersichtliche Benutzeroberfläche für Einsteiger
MITK Workbench hat einen sehr umfangreichen Funktionsumfang. Eine Funktion, die wir besonders schätzen gelernt haben, ist die automatische 3D-Interpolation. Nach der manuellen Segmentierung einer Auswahl von Schichten in regelmäßigen Abständen vervollständigt diese Funktion automatisch die dazwischen liegenden Schichten. Auf diese Weise lässt sich eine erhebliche Zeitersparnis erzielen. In einem urologischen Projekt konnten wir die Ausdehnung der Prostata in 25 Schichten aufteilen, von denen wir nur zehn manuell segmentierten. Die restlichen Schichten wurden durch Interpolation vervollständigt. Während einige andere Tools ähnliche Funktionen bieten, fanden wir bei MITK Workbench das berechnete Ergebnis am überzeugendsten. MITK Workbench hat eine hierarchische Anordnung der Objekte, was eine schnelle Orientierung ermöglicht. Das Layout des Tools wirkt klar und aufgeräumt, was ein konzentriertes Arbeiten unterstützt. Lediglich die Anzahl der Einstellungen für das Schwellenwertverfahren und die manuelle Segmentierung ist etwas geringer als bei anderen Tools. Wem die doch sehr umfangreichen Funktionen für seine Anwendung genügen, der wird die Benutzeroberfläche und die guten Interpolationsergebnisse zu schätzen wissen. Es gibt einige Lehrmaterialien wie z.B. Lehrvideos auf YouTube, und schriftliche Anleitungen. Diese sind schwieriger zu handhaben, da man den visuellen Aspekt vermisst und die Videos leider nicht strukturiert verfügbar sind.
Manuelle Segmentierung ★★☆
Automatische Segmentierung ★★☆
Schwellenwertverfahren ★★☆
Benutzeroberfläche ★★★
Lehrmaterialien ★★☆
ITK Snap
Ein Tool für schnelle Ergebnisse
ITK Snap hat uns bei der Segmentierung eines Teils der Bilddaten im Covid-19-Projekt gute Dienste geleistet. Einer seiner größten Vorteile ist die sogenannte „Snake“-Funktion, mit der große Strukturen schnell und zuverlässig segmentiert werden können. Dieses Tool basiert auf dem Schwellenwertverfahren und betrachtet die Pixelinformationen im Bild. Da bei diesem Projekt der Faktor Zeit besonders wichtig war, hat sich der Einsatz von ITK Snap gelohnt. In Zukunft werden wir das Tool wahrscheinlich vor allem für Projekte einsetzen, bei denen wir schnell Ergebnisse benötigen, bei denen aber eine Vielzahl von Einstellungen nicht wichtig ist.
Allerdings ist die Benutzeroberfläche im Vergleich zu anderen Tools aus unserer Sicht eher unübersichtlich. Außerdem können manuell erstellte Segmentierungen leicht versehentlich überschrieben werden. Das mag in bestimmten Projekten sinnvoll sein, aber für unser Projekt war dieses Feature ein Nachteil. Außerdem vermissten wir bei dieser Software die Möglichkeit, editierbare Bereiche zu setzen. Zu den “Snake”-Funktionen gibt es gute Anleitungsvideos, aber für andere Funktionen muss man sich auf die schriftliche Anleitung verlassen.
Manuelle Segmentierung ★☆☆
Automatische Segmentierung ★★★
Schwellenwertverfahren ★★☆
Benutzeroberfläche ★☆☆
Lehrmaterialien ★★☆
ImFusion Labels
Ein sehr kundenorientiertes Tool
In dieser Bewertung ist ImFusion Labels das einzige Tool eines kommerziellen Anbieters, das nicht kostenlos ist. Allerdings gibt es eine kostenlose Testversion, mit der Sie es vor dem Kauf ausgiebig testen können. Was uns an ImFusion Labels besonders gefällt, ist die benutzerfreundliche, übersichtliche Oberfläche und die Leistung der automatischen Segmentierung. Letztere kompensiert auch den geringeren Funktionsumfang der manuellen Segmentierung.
Da das Tool noch recht neu ist und ständig weiterentwickelt wird, hat sich bisher keine große Nutzergemeinde gebildet. Dementsprechend stehen vergleichsweise wenig Lehrmaterialien im Internet zur Verfügung. Das Team hinter dem Tool ist jedoch sehr kundenorientiert und wir waren beeindruckt von der Begeisterung, mit der ImFusion Labels auf Kundenanfragen reagiert. Kamen wir nicht weiter, hat uns das kompetente Team schnell weiter geholfen und sogar speziell für unsere Bedürfnisse eine Erweiterung programmiert. Im Moment sind nicht so viele voreingestellte Optionen für das Schwellenwertverfahren wie in 3D Slicer vorhanden, aber es ist möglich, ein personalisiertes Segmentierunstool zu erhalten, das auf den Bedürfnissen in Ihrem Projekt basiert.
Manuelle Segmentierung ★★☆
Automatische Segmentierung ★★★
Schwellenwertverfahren ★★☆
Benutzeroberfläche ★★★
Lehrmaterialien ★☆☆
QuPath
Das beste Tool für Daten mit einem Schnitt
QuPath ist unser favorisiertes Tool für die Segmentierung histologischer Daten mit nur einer Schicht. Das Tool ist sehr zuverlässig und liefert präzise Ergebnisse, wenn man die halbautomatische Funktion „Zauberstab“ verwendet, die die Pixelinformationen betrachtet. In den durchsuchten Regionen können automatische Annotationen vorgenommen werden, z.B. nach Zellform und Zellgröße. Durch den Einsatz von QuPath ist es uns gelungen, die Annotationszeit um beeindruckende 50% von sechs auf drei Stunden zu reduzieren.
Es ist wichtig anzumerken, dass das Tool hervorragend für histologische Daten mit einer Schicht geeignet ist, aber nicht für volumetrische Daten. Um Dateiformate zu bearbeiten, können Sie das verlinkte ImageJ verwenden. Dies erfordert ein gewisses Maß an Vorwissen, da QuPath nicht so intuitiv bedienbarwie andere Tools ist. Um Ihre Daten einfach nur zu speichern, benötigen Sie bereits Skripte für KI-Anwendungen, die von Entwicklern bereitgestellt werden. Die verfügbaren Lehrmaterialien sind strukturiert und einfach zu verstehen.
Manuelle Segmentierung ★★☆
Automatische Segmentierung ★★★
Schwellenwertverfahren ★★★
Benutzeroberfläche ★★☆
Lehrmaterialien ★★★
Die Ergebnisse: Vergleich der fünf Segmentierungstools
So sehen die Segmentierungstools im Vergleich zueinander aus, wenn es um die fünf festgelegten Kriterien geht:
Für Anfänger könnte ein Tool wie MITK Workbench eine gute Wahl sein, da es eine sehr übersichtliche Benutzeroberfläche hat und intuitiv in der Anwendung ist. Auch 3D Slicer erleichtert den Einstieg, da es viele Lehrmaterialien zur Verfügung stellt, was besonders für Anfänger von Vorteil ist. Für die spezielle Anwendung der Segmentierung histologischer Daten mit einem Schnitt ist QuPath unsere bevorzugte Wahl, vorausgesetzt, Sie haben einige Vorkenntnisse mit Segmentierungstools. Für Projekte, die schnelle Ergebnisse benötigen, aber nicht viele Einstellungen erfordern, ist ITK Snap sehr gut geeignet. Wenn Sie ein personalisiertes Tool mit einem kundenorientierten Ansatz benötigen, dann könnte es sich lohnen, einen Blick auf ImFusion Labels zu werfen.
Welches ist also das beste Tool für den Einsatz? Wie Sie sehen können, gibt es keinen klaren Gewinner in unserer Bewertung. Unsere Schlussfolgerung ist, dass es nicht das eine Tool gibt, das in allen Situationen die beste Leistung erbringt. Jedes Tool hat seine eigenen Vor- und Nachteile und alle fünf haben sich in bestimmten Situationen bewährt.
Eine bessere Frage ist: Welches Tool ist die beste Wahl für mein Projekt? Bevor Sie sich für ein Tool entscheiden, sollten Sie überlegen, ob Sie eine automatische Segmentierung, eine manuelle Segmentierung oder beides benötigen. Ein weiterer wichtiger Faktor ist Ihr Wissensstand über Segmentierungstools. Dies bestimmt, ob Sie eine übersichtliche Benutzeroberfläche und Lehrmaterialien benötigen oder nicht. Der beste Weg, ein Segmentierungstool auszuwählen, besteht darin, zunächst die spezifischen Anforderungen Ihres Projekts zu bestimmen und dann ein Tool zu finden, das diesen Anforderungen entspricht.
Brauchen Sie Hilfe, um das richtige Tool für Ihr Projekt zu finden?
Wir beraten Sie gerne bei der Gestaltung Ihres medizinischen KI-Projekts und helfen Ihnen, das richtige Segmentierungstool für Ihr Projekt zu finden.
