[論文レビュー] CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography

Yang Deng, Ce Wang+13 more|arXiv (Cornell University)|May 31, 2021

Medical Imaging and Analysis参考文献 23被引用数 34

ひとこと要約

CTSpine1K は、公開されている中で最大の注釈付き脊椎 CT データセット（1005 ボリューム、11k+ 椎骨）を脊椎セグメンテーションのために提供し、nnUnet を用いて新しいベンチマークとベースラインを確立します。

ABSTRACT

Spine-related diseases have high morbidity and cause a huge burden of social cost. Spine imaging is an essential tool for noninvasively visualizing and assessing spinal pathology. Segmenting vertebrae in computed tomography (CT) images is the basis of quantitative medical image analysis for clinical diagnosis and surgery planning of spine diseases. Current publicly available annotated datasets on spinal vertebrae are small in size. Due to the lack of a large-scale annotated spine image dataset, the mainstream deep learning-based segmentation methods, which are data-driven, are heavily restricted. In this paper, we introduce a large-scale spine CT dataset, called CTSpine1K, curated from multiple sources for vertebra segmentation, which contains 1,005 CT volumes with over 11,100 labeled vertebrae belonging to different spinal conditions. Based on this dataset, we conduct several spinal vertebrae segmentation experiments to set the first benchmark. We believe that this large-scale dataset will facilitate further research in many spine-related image analysis tasks, including but not limited to vertebrae segmentation, labeling, 3D spine reconstruction from biplanar radiographs, image super-resolution, and enhancement.

研究の動機と目的

• 高品質な椎体セグメンテーションアノテーションを備えた大規模な多源脊椎 CT データセットを作成する。
• ソース間のラベリング整合性を確保する統一アノテーションワークフローを提供する。
• 強力で自己設定型のモデル（nnUnet）を用いて、ベースラインの椎体セグメンテーション性能を確立する。
• CTSpine1K と VerSe データセットの間のドメイン一般化を分析し、ドメインギャップを明らかにする。

提案手法

• appearance variation を最大化するため、4 つの公開ソースから 1,005 の脊椎 CT ボリュームを統合する。
• nnUnet の事前ラベリング、ジュニア/シニア/臨床レビュー、二重チェックを組み合わせた統一アノテーションワークフローを設計し、高品質な Ground Truth を確保する。
• C1 から L6 までの椎体を 25 ラベルでアノテートし、マスクを NIfTI 形式で保存する。
• 3D フル解像度の nnUnet を用いてベンチマーク用セグメンテーションモデルを確立し、椎体ごとの Dice(p) および 95 パーセンタイルの Hausdorff 距離（HD95）を報告する。
• データを training (610)、test_public (197)、test_private (198) に分割し、Test_VerSe でドメイン間比較を評価する。

実験結果

リサーチクエスチョン

• RQ1 大規模で多源の脊椎 CT データセットは、多様な解剖学と撮影条件を提供することにより椎体セグメンテーションを改善できるか。
• RQ2 強力なベースラインモデル（nnUnet）は、CTSpine1K の異なる分割および VerSe データセットに対してどのように性能を示すか。
• RQ3 CTSpine1K と公開 VerSe データセットの椎体セグメンテーションにおけるドメインギャップはどの程度か。

主な発見

• CTSpine1K には、さまざまなメーカーと条件からの 1,005 ボリュームと 11,100 以上の椎体ラベルが含まれる。
• Test_public、Test_private、Test_VerSe の平均 Vertebrae DSC はそれぞれ 0.869、0.840、0.766、平均 Spine DSC はそれぞれ 0.985、0.984、0.929。
• L6 椎体は特に難しく（Test_public: DSC=0、HD=66.21 mm、Test_private: 80.33 mm、Test_VerSe: 45.16 mm）病変や解剖学的変動がセグメンテーションに影響を与える。
• CTSpine1K で学習したモデルは自身のデータでは良好な性能を示すが、VerSe データでは著しく低下するため、顕著なドメインギャップが示唆される。
• COLONOG サブデータセット（CTSpine1K 内）は VerSe COLONOG とは異なり、ドメインの不一致の一部を説明するとともに、CTSpine1K が VerSe の補完として価値があることを強調する。
• アノテーション品質とワークフローは VerSe のベースラインや専門家レビューと整合性を持つことにより検証されており、データセットはより広い脊椎画像分析タスクを支援することを意図している。