[論文レビュー] Intensity Normalization Techniques and Their Effect on the Robustness and Predictive Power of Breast MRI Radiomics

Florian Schwarzhans, Geevarghese George+5 more|arXiv (Cornell University)|Jun 3, 2024

Radiomics and Machine Learning in Medical ImagingMedicine被引用数 3

ひとこと要約

本研究では、乳腺MRIのラジオミクスにおける強度正規化手法の評価を通じて、特徴量の頑健性と予測能を向上させることを目的としている。I-SPY TRIALおよびPARTNER試験データセットを用い、バイアスフィールド補正と区分的線形ヒストグラム正規化を組み合わせることで、スキャナ間での特徴量の一貫性が著しく向上し、他の手法に比べてスキャナ由来のばらつきが顕著に低減されることを示した。

ABSTRACT

Radiomics analysis has emerged as a promising approach for extracting quantitative features from medical images to aid in cancer diagnosis and treatment. However, radiomics research currently lacks standardization, and radiomics features can be highly dependent on the acquisition and pre-processing techniques used. In this study, we aim to investigate the effect of various intensity normalization techniques on the robustness of radiomics features extracted from MRI scans of breast cancer patients. The images used are from the publicly available I-SPY TRIAL dataset, which contains MRI scans of stage 2 or 3 breast cancer patients and from the Platinum and PARP inhibitor for Neoadjuvant treatment of Triple Negative and / or BRCA positive breast cancer (PARTNER) trial. We compared the effect of commonly used intensity normalization techniques on the robustness of radiomics features using Intraclass Correlation Coefficient (ICC) between multiple combinations of normalization approaches, identified categories that are robust and therefore could be compared between studies regardless of the pre-processing used. We were able to show that while systematic differences between MRI scanners can significantly affect many radiomics features, a combination of Bias Field correction with piecewise linear histogram normalization can mitigate some of the effects compared to other normalization methods investigated in this paper. We were able to demonstrate the importance of carefully selecting and standardizing normalization methods for accurate and reliable radiomics analysis in breast MRI scans.

研究の動機と目的

• 乳腺MRIにおけるさまざまな強度正規化手法の、ラジオミクス特徴量の頑健性に与える影響を評価すること。
• スキャナ固有の取得差によるばらつきを最小限に抑える正規化戦略を同定すること。
• マルチセンター研究におけるラジオミクス特徴量の再現性と比較可能性を向上させること。
• I-SPYおよびPARTNER試験の臨床的アウトカムを用いて、正規化後のラジオミクス特徴量の予測能を評価すること。
• 乳腺MRIラジオミクス研究における信頼性を高める標準化された前処理プロトコルを確立すること。

提案手法

• I-SPY TRIALおよびPARTNER試験データセットのT1強調動脈対比増強(MRI)スキャンを用いた。
• ヒストグラムマッチング、N4バイアスフィールド補正、区分的線形正規化、zスコア正規化の複数の強度正規化手法を適用した。
• 正規化手法を順次パイプラインに組み合わせることで（例：N4 + 区分的線形）、効果の累積的評価を実施した（例：N4 + 区分的線形）。
• 異なる正規化組み合わせにおける特徴量の頑健性を定量化するため、組内相関係数（ICC）を計算した。
• 臨床的アウトカム（例：病理的完全感受性）を用いて、正規化された特徴量の予測能を評価した。
• 正規化戦略ごとの特徴量安定性および予測性能を比較する統計的分析を実施した。

実験結果

リサーチクエスチョン

• RQ1 さまざまな強度正規化手法は、乳腺MRIにおけるラジオミクス特徴量の頑健性にどのように影響を与えるか？
• RQ2 どの正規化組み合わせが、スキャナ間でラジオミクス特徴量の最高の組内相関係数（ICC）を達成するか？
• RQ3 正規化は、乳がんの臨床的アウトカムに対するラジオミクス特徴量の予測能をどの程度向上させるか？
• RQ4 どの正規化手法が、ラジオミクス特徴量におけるスキャナ由来のばらつきを最も効果的に低減するか？
• RQ5 標準化された正規化パイプラインは、乳腺MRIにおけるラジオミクス特徴量の信頼性あるクロススタディ比較を可能にするか？

主な発見

• MRIスキャナ間の系統的差が、ラジオミクス特徴量の大部分に影響を与え、その再現性を低下させている。
• N4バイアスフィールド補正に続く区分的線形ヒストグラム正規化の組み合わせが、最高のICC値を示し、優れた頑健性を示した。
• この組み合わせは、個別の正規化手法や他の組み合わせよりも、スキャナ間ばらつきをより効果的に低減した。
• N4 + 区分的線形正規化パイプラインから得られた特徴量は、さまざまな取得プロトコル間で一貫性が向上した。
• 本研究では、特徴量安定性を維持する特定の正規化カテゴリを同定し、マルチセンター研究における信頼性ある比較を可能にした。
• 頑健な正規化は、病理的完全感受性などの臨床的アウトカムに対するラジオミクス特徴量の予測能を顕著に向上させた。