[論文レビュー] Comparative Analysis of 2D and 3D ResNet Architectures for IDH and MGMT Mutation Detection in Glioma Patients

Danial Elyassirad, Benyamin Gheiji+6 more|arXiv (Cornell University)|Dec 30, 2024

Glioma Diagnosis and TreatmentMedicine被引用数 3

ひとこと要約

本研究では、T1、対照的T1、およびFLAIR MRI画像系列を用いて、膠腫瘍患者におけるIDHおよびMGMT変異状態の非侵襲的予測を目的として、2次元（2D）および3次元（3D）ResNetアーキテクチャを比較した。2D ResNet50は、IDH状態予測において最高のAUROC 0.9096を達成し、3D ResNet34（0.8999）を上回ったが、3DモデルはMGMT予測において失敗し、AUROCが0.5未満であった。

ABSTRACT

Gliomas are the most common cause of mortality among primary brain tumors. Molecular markers, including Isocitrate Dehydrogenase (IDH) and O[6]-methylguanine-DNA methyltransferase (MGMT) influence treatment responses and prognosis. Deep learning (DL) models may provide a non-invasive method for predicting the status of these molecular markers. To achieve non-invasive determination of gene mutations in glioma patients, we compare 2D and 3D ResNet models to predict IDH and MGMT status, using T1, post-contrast T1, and FLAIR MRI sequences. USCF glioma dataset was used, which contains 495 patients with known IDH and 410 patients with known MGMT status. The dataset was divided into training (60%), tuning (20%), and test (20%) subsets at the patient level. The 2D models take axial, coronal, and sagittal tumor slices as three separate models. To ensemble the 2D predictions the three different views were combined using logistic regression. Various ResNet architectures (ResNet10, 18, 34, 50, 101, 152) were trained. For the 3D approach, we incorporated the entire brain tumor volume in the ResNet10, 18, and 34 models. After optimizing each model, the models with the lowest tuning loss were selected for further evaluation on the separate test sets. The best-performing models in IDH prediction were the 2D ResNet50, achieving a test area under the receiver operating characteristic curve (AUROC) of 0.9096, and the 3D ResNet34, which reached a test AUROC of 0.8999. For MGMT status prediction, the 2D ResNet152 achieved a test AUROC of 0.6168; however, all 3D models yielded AUROCs less than 0.5. Overall, the study indicated that both 2D and 3D models showed high predictive value for IDH prediction, with slightly better performance in 2D models.

研究の動機と目的

• 非侵襲的MRIを用いて、2次元（2D）および3次元（3D）ResNetアーキテクチャの、膠腫瘍患者におけるIDHおよびMGMT変異状態予測性能を評価すること。
• 3次元ボリュメトリックモデリングが、2次元の軸状、冠状、矢状断面分析に比べ、分子マーカー予測において優位性を示すかどうかを同定すること。
• 高精度な非侵襲的予測を実現するための、最適なResNetアーキテクチャとモodalitiyの組み合わせを特定すること。
• 異なるMRI系列および腫瘍フェノタイプにわたる、ディープラーニングモデルの汎用性と頑健性を評価すること。

提案手法

• T1、対照的T1、FLAIR系列から得た軸状、冠状、矢状断面に対して、複数の2D ResNetバージョン（ResNet10, 18, 34, 50, 101, 152）を訓練した。
• ロジスティック回帰を用いて、3つの直交的ビューからの2D予測をアンサンブル化し、頑健性と一般化性能を向上させた。
• 同じMRI系列から抽出した3次元腫瘍ボリュームを用いて、3D ResNetバージョン（ResNet10, 18, 34）を訓練した。
• USCF膠腫瘍データセット（IDH 495例、MGMT 410例）を、患者単位で訓練（60%）、検証（20%）、テスト（20%）に分割し、データ漏洩を回避した。
• 最終評価のために、検証損失が最小のモデルを選択した。
• IDHおよびMGMT状態予測の両方において、主な指標としてAUROCを用いて性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 2次元（2D）と3次元（3D）のどちらのResNetアーキテクチャが、膠腫瘍患者におけるIDH変異状態予測においてより高い性能を示すか？
• RQ2 3次元ボリュメトリックコンテキストを含めることで、2次元断面ベースのモデルと比較して、MGMT状態予測は向上するか、あるいは悪化するか？
• RQ3 2次元モデルが多平面断面（軸状、冠状、矢状）を用いて訓練された場合、3次元ボリュームを用いた3Dモデルよりも優れた一般化性能を示せるか？
• RQ4 MRIデータを用いたIDHおよびMGMT状態予測において、最適なResNetの深さは何か？
• RQ5 3D ResNetモデルはMGMT予測において顕著な性能低下を示すか？ もしそうならば、その理由は何か？

主な発見

• 2D ResNet50は、IDH変異状態予測において最高のテストAUROC 0.9096を達成し、他のすべてのモデルを上回った。
• 3D ResNet34は、IDH状態予測においてAUROC 0.8999を達成し、強力な性能を示したが、最良の2Dモデルよりわずかに劣った。
• MGMT状態予測におけるすべての3D ResNetモデルは、AUROCが0.5未満であり、これはランダムな当てずっぽうよりも劣ったことを示している。
• 2D ResNet152は、MGMT状態予測においてAUROC 0.6168を達成し、このバイオマーカーに関して全モデルの中で最高の性能を示した。
• ロジスティック回帰を用いて3つの2Dビューからの予測をアンサンブル化することで、頑健性が向上し、最良の2Dモデルの性能向上に寄与した。
• 本研究では、2DモデルがIDH状態予測において3Dモデルよりも効果的であることが示されたが、3DモデルはMGMT予測において一般化に失敗した。