[論文レビュー] Benchmarking the CoW with the TopCoW Challenge: Topology-Aware Anatomical Segmentation of the Circle of Willis for CTA and MRA

Kaiyuan Yang, Fabio Musio+111 more|PubMed|Dec 29, 2023

Cerebrovascular and Carotid Artery Diseases参考文献 45被引用数 9

ひとこと要約

本論文は TopCoW チャレンジと Circle of Willis の組み合わせCTAとMRA画像のトポロジー意識型多クラスセグメンテーションDatasetを紹介し、多くの成分で Dice がほぼ 90% に達することを報告し、トポロジーに基づく指標を分析します。

ABSTRACT

The Circle of Willis (CoW) is an important network of arteries connecting major circulations of the brain. Its vascular architecture is believed to affect the risk, severity, and clinical outcome of serious neurovascular diseases. However, characterizing the highly variable CoW anatomy is still a manual and time-consuming expert task. The CoW is usually imaged by two non-invasive angiographic imaging modalities, magnetic resonance angiography (MRA) and computed tomography angiography (CTA), but there exist limited datasets with annotations on CoW anatomy, especially for CTA. Therefore, we organized the TopCoW challenge with the release of an annotated CoW dataset. The TopCoW dataset is the first public dataset with voxel-level annotations for 13 CoW vessel components, enabled by virtual reality technology. It is also the first large dataset using 200 pairs of MRA and CTA from the same patients. As part of the benchmark, we invited submissions worldwide and attracted over 250 registered participants from six continents. The submissions were evaluated on both internal and external test datasets of 226 scans from over five centers. The top performing teams achieved over 90% Dice scores at segmenting the CoW components, over 80% F1 scores at detecting key CoW components, and over 70% balanced accuracy at classifying CoW variants for nearly all test sets. The best algorithms also showed clinical potential in classifying fetal-type posterior cerebral artery and locating aneurysms with CoW anatomy. TopCoW demonstrated the utility and versatility of CoW segmentation algorithms for a wide range of downstream clinical applications with explainability. The annotated datasets and best performing algorithms have been released as public Zenodo records to foster further methodological development and clinical tool building.

研究の動機と目的

• CTA と MRA の両方に対する Circle of Willis 解剖の公開のボクセルレベル注釘データセットを提供する。
• CoW のセグメンテーションをトポロジー意識評価を伴う多クラスタスクとして formalize する。
• 自動セグメンテーション手法の全体的およびトポロジー的パフォーマンスを評価・ベンチマークする。
• MRAとCTAにおけるレーティング間信頼性とモダリティ固有の合意を分析する。
• CoW トポロジー意識解析の課題と今後の方向性を明らかにする。

提案手法

• 13個のCoW血管成分に対するボクセルレベルの多クラス注釈を含む CTA–MRA ペアデータセットを公開する。
• 臨床専門家による効率的な3Dラベリングと検証を可能にするため、VRを用いて注釈を行う。
• CoW ROI を定義し、この ROI 内で両モダリティのセグメンテーションを実施する。
• DICE, centerline Dice (clDice), Betti-0 エラーを用いて、形態とトポロジーを捉えるように評価します。
• CTAとMRAの2つのモダリティトラックに対して、マルチクラスとバイナリのセグメンテーション課題の両方を提供する。
• 外部トレーニングデータを許可し、ベンチマークの一部としてモダリティ間およびレータ間の分析を報告する。

実験結果

リサーチクエスチョン

• RQ1 自動手法は、トップロジーの整合性を保ちながら、MRAとCTAの両方で13個のCoW血管成分を正確にセグメントできるか？
• RQ2 ボクセルレベルのセグメンテーション性能とトポロジーに基づく指標は、モダリティ間および異なるCoW解剖においてどのように比較されるか？
• RQ3 VRベースのラベリングにおけるマルチクラスCoW注釈のレーティング間信頼性はどの程度か？
• RQ4 自動予測におけるCoW変種のトポロジー整合性の一般的な失敗モードは何か？

主な発見

• TopCoW は 4 大陸から146人の登録参加者と27チームを惹きつけ、最終チャレンジ論文には18チームが貢献しました。
• TopCoW のトレーニングセットは90人の患者、検証セット5、テストセット35で、合計130件のペアMRA–CTAケース。
• 5件のテストケースのサブセットでのレータ間 Dice は、ほとんどの13クラスで平均約90％以上、R-Pcom、L-Pcom、Acom、3rd-A2で低め。
• レータ間のバイナリ Dice は平均約95％で、統合CoWマスクに関して全体的な高い合意を示します。
• 前方変異体ではモダリティ間の合意は高く、後方変異体ではCTAが骨領域に近いためより変動が大きかった。
• トップパフォーマンスの手法は多くの血管成分でDiceスコア約90％程度を達成したが、流出動脈や希少変異には弱点を示し、高い Dice でもトポロジーエラーが生じることがあった。