[論文レビュー] The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients

Bhakti Baheti, Satrajit Chakrabarty+71 more|arXiv (Cornell University)|Dec 13, 2021

Medical Image Segmentation Techniques被引用数 27

ひとこと要約

この論文は、BraTS-Reg を紹介します。拡散性膠腫における術前MRIとフォローアップMRI間の形状変換登録の公開ベンチマークおよびチャレンジ、multi-institutional dataset、ランドマーク注釈、および標準化評価指標を提供する BraTS-Reg を紹介します。

ABSTRACT

Registration of longitudinal brain MRI scans containing pathologies is challenging due to dramatic changes in tissue appearance. Although there has been progress in developing general-purpose medical image registration techniques, they have not yet attained the requisite precision and reliability for this task, highlighting its inherent complexity. Here we describe the Brain Tumor Sequence Registration (BraTS-Reg) challenge, as the first public benchmark environment for deformable registration algorithms focusing on estimating correspondences between pre-operative and follow-up scans of the same patient diagnosed with a diffuse brain glioma. The BraTS-Reg data comprise de-identified multi-institutional multi-parametric MRI (mpMRI) scans, curated for size and resolution according to a canonical anatomical template, and divided into training, validation, and testing sets. Clinical experts annotated ground truth (GT) landmark points of anatomical locations distinct across the temporal domain. Quantitative evaluation and ranking were based on the Median Euclidean Error (MEE), Robustness, and the determinant of the Jacobian of the displacement field. The top-ranked methodologies yielded similar performance across all evaluation metrics and shared several methodological commonalities, including pre-alignment, deep neural networks, inverse consistency analysis, and test-time instance optimization per-case basis as a post-processing step. The top-ranked method attained the MEE at or below that of the inter-rater variability for approximately 60% of the evaluated landmarks, underscoring the scope for further accuracy and robustness improvements, especially relative to human experts. The aim of BraTS-Reg is to continue to serve as an active resource for research, with the data and online evaluation tools accessible at https://bratsreg.github.io/.

研究の動機と目的

• 腫瘍による mass effect および組織変化のため、拡散性膠腫の脳MRIを縦断的に登録する課題を動機づけ、対処する。
• 変形的登録研究のための標準化前処理を備えた公的で複数機関にまたがるデータセットを提供する。
• グラウンドトゥルースランドマークを定義・実装し、登録アルゴリズムをベンチマークするためのコンテナ化評価フレームワークを実装する。
• 固定された評価プラットフォームと明確な提出プロトコルを用いることで再現性と公正な比較を促進する。

提案手法

• 複数機関からの250組の術前およびフォローアップmpMRIスキャンを収集・前処理し、1mm3解像度の共通テンプレート（SRI24）に統合する。
• ベースラインおよびフォローアップスキャンの対応するランドマーク点を専門家が注釈付け（腫瘍から30mm以内および30mmを超える領域）し、二次専門家が評価者間のばらつきを評価する。
• 訓練データにはグラウンドトゥルースランドマーク座標とフォローアップランドマークを提供し、検証/テストデータには評価用にフォローアップランドマークのみを提供する。
• 専門家が配置したランドマークによってグラウンドトゥル registrations を取得し、MAE（Median Absolute Error）、Robustness、Jacobian determinant regularity などの指標でアルゴリズムを評価する。
• 参加者は完全自動のコンテナ化された（例：Docker/Singularity）登録手法を提出し、非公開のテストデータで評価する。

実験結果

リサーチクエスチョン

• RQ1 複数機関にまたがる拡散性膠腫ケースの術前およびフォローアップの脳MRI間で、変形的登録をいかに信頼性高く確立できるか。
• RQ2 標準化された前処理パイプラインを使用した場合、腫瘍による大きな変形や術後変化が登録精度に与える影響は何か。
• RQ3 ランドマークベースのMAE、Robustness、Jacobianベースのスムージネスが、複数機関環境で登録アルゴリズムの適正なランキングを十分に行えるか。
• RQ4 コンテナ化され再現性のある評価フレームワークは、登録手法の公正な比較と一般化を保証するか。

主な発見

• BraTS-Regデータセットは、マルチパラメトリックMRIと共通テンプレートへの標準化前処理を備えた250組の患者ペアで構成されている。
• ランドマークベースのグラウンドトゥルースフレームワークが確立され、各ケースにつき6–50のランドマークと評価者間ばらつきの評価を含む。
• 評価プロトコルは、登録品質の主要な定量指標としてMAE、robustness、およびJacobianベースのスムージネスを定義する。
• 訓練データにはベースラインとフォローアップのランドマーク座標の両方を提供し、検証データには評価用にフォローアップランドマークのみを提供する。テストデータはコンテナ化提出の評価のため非公開で保持される。
• ベースライン性能は、変形法を文脈化するためにアフィン登録を介したものが提供される。
• このチャレンジは、コンテナ化提出と公正な比較のための集中評価プラットフォーム（IPP）を通じた再現性を強調している。