[論文レビュー] The KiTS19 Challenge Data: 300 Kidney Tumor Cases with Clinical Context, CT Semantic Segmentations, and Surgical Outcomes

Nicholas Heller, Niranjan Sathianathen+18 more|arXiv (Cornell University)|Mar 31, 2019

Renal cell carcinoma treatment参考文献 19被引用数 328

ひとこと要約

KiTS19データセットは、臨床データと手術結果を含む300件の注釈付き腎臓腫瘍CTケースを公開し、腎機能評価研究とセマンティックセグメンテーション開発を促進します。評価用には210件公開、公的ケースと90件私有。

ABSTRACT

The morphometry of a kidney tumor revealed by contrast-enhanced Computed Tomography (CT) imaging is an important factor in clinical decision making surrounding the lesion's diagnosis and treatment. Quantitative study of the relationship between kidney tumor morphology and clinical outcomes is difficult due to data scarcity and the laborious nature of manually quantifying imaging predictors. Automatic semantic segmentation of kidneys and kidney tumors is a promising tool towards automatically quantifying a wide array of morphometric features, but no sizeable annotated dataset is currently available to train models for this task. We present the KiTS19 challenge dataset: A collection of multi-phase CT imaging, segmentation masks, and comprehensive clinical outcomes for 300 patients who underwent nephrectomy for kidney tumors at our center between 2010 and 2018. 210 (70%) of these patients were selected at random as the training set for the 2019 MICCAI KiTS Kidney Tumor Segmentation Challenge and have been released publicly. With the presence of clinical context and surgical outcomes, this data can serve not only for benchmarking semantic segmentation models, but also for developing and studying biomarkers which make use of the imaging and semantic segmentation masks.

研究の動機と目的

• 意味セグメンテーションと豊富な臨床/アウトカム文脈を持つ、大規模で高忠実度な腎臓腫瘍CT画像データセットを提供する。
• 単純なサイズ/位置指標を超える新しい腎腫瘍評価特徴の開発を可能にする。
• 大規模に腎腫瘍の自動セマンティックセグメンテーションシステムの訓練を促進する。
• アノテーション品質とデータセットの信頼性を評価し、下流研究とベンチマークを支援する。

提案手法

• 2010–2018年の腎部分切除または根治切除を受けた患者の後向きデータ収集。
• ウェブベースの注釈ツールを用いて、遅期動脈CT系列で腎臓と腫瘍境界を手動で描出。
• しきい値処理と腎門の充填を用いてラベル領域を定義し、腎内の腎門構造を扱う。
• 未注釈スライスのセグメンテーション輪郭を生成する補間を行い、腎臓、腫瘍、および背景ラベルのグランドトゥルースを計算。
• チャートデータの二重確認と放射線診断と一致する画像注釈を含む品質保証。

実験結果

リサーチクエスチョン

• RQ1 セマンティックセグメンテーションとより豊かな形態特徴は、腎腫瘍の予後予測や治療計画をどう改善できるか？
• RQ2 臨床文脈を含む大規模でラベル付きCTデータセットは、堅牢な学習ベースのセグメンテーションシステムと新しい腎腫瘍評価指標を可能にするか？
• RQ3 グランドトゥルースセグメンテーションを作成するための手動注釈の信頼性と観察者間協一致はどの程度か？
• RQ4 形態由来特徴は腎腫瘍の外科的転帰と病理とどのように相関するか？

主な発見

領域	手動平均Dice
Kidney + Tumor	0.983
Tumor Only	0.923

• データセットは、術前CT画像と腎臓および腫瘍のセグメンテーションが注釈された300人の患者で構成されている。
• 手動注釈の信頼性は高い一致を示し、30件の自己一致検査で Kidney+Tumor Dice が 0.983、Tumor Only Dice が 0.923 だった。
• 208件が公開で、評価目的で90件が私的に提供され、外部ベンチマークが可能。
• グランドトゥルース生成には腎門の包含と閾値ベースのセグメンテーションを組み込み、複雑な腎門内構造に対応。
• 中間的な品質保証には放射線診断と一致したレビューと注釈の反復修正を含む。