[論文レビュー] The RSNA-ASNR-MICCAI BraTS 2021 Benchmark on Brain Tumor Segmentation and Radiogenomic Classification

Ujjwal Baid, Satyam Ghodasara+101 more|arXiv (Cornell University)|Jul 5, 2021

Radiomics and Machine Learning in Medical Imaging参考文献 24被引用数 88

ひとこと要約

BraTS 2021は、術前mpMRIからの脳膠芽腫の亜領域とMGMTプロモーターメチル化状態を、2,040人の患者にわたってセグメンテーションTask1と放射ゲノミクス分類Task2を通じて評価するベンチマークである。

ABSTRACT

The BraTS 2021 challenge celebrates its 10th anniversary and is jointly organized by the Radiological Society of North America (RSNA), the American Society of Neuroradiology (ASNR), and the Medical Image Computing and Computer Assisted Interventions (MICCAI) society. Since its inception, BraTS has been focusing on being a common benchmarking venue for brain glioma segmentation algorithms, with well-curated multi-institutional multi-parametric magnetic resonance imaging (mpMRI) data. Gliomas are the most common primary malignancies of the central nervous system, with varying degrees of aggressiveness and prognosis. The RSNA-ASNR-MICCAI BraTS 2021 challenge targets the evaluation of computational algorithms assessing the same tumor compartmentalization, as well as the underlying tumor's molecular characterization, in pre-operative baseline mpMRI data from 2,040 patients. Specifically, the two tasks that BraTS 2021 focuses on are: a) the segmentation of the histologically distinct brain tumor sub-regions, and b) the classification of the tumor's O[6]-methylguanine-DNA methyltransferase (MGMT) promoter methylation status. The performance evaluation of all participating algorithms in BraTS 2021 will be conducted through the Sage Bionetworks Synapse platform (Task 1) and Kaggle (Task 2), concluding in distributing to the top ranked participants monetary awards of $60,000 collectively.

研究の動機と目的

• 脳膠腫のセグメンテーションとMGMTプロモーターのメチル化予測のための標準化された多施設mpMRIデータセットを提供する。
• 公正な手法間比較を可能にする堅牢なアノテーションおよび前処理パイプラインを確立する。
• 術前MRI上で最先端のセグメンテーション手法と放射ゲノミック分類法を評価する。

提案手法

• 標準化前処理を備えた多施設mpMRIデータ（T1、T1Gd、T2、T2-FLAIR）（DICOM→NIfTI、SRI24への共登録、1 mm3リサンプリング、頭蓋骨除去）。
• nnU-Net、DeepScan、DeepMedicのSTAPLE融合によって生成された腫瘍亜領域のグラウンドトゥルーアノテーションを、専門の神経放射線科医が精査・修正した。
• Task 1の評価は、ET、TC、WT領域についてDice相似度、Hausdorff距離（95%）、Sensitivity、Specificityを用いる。
• Task 2のMGMTプロモーターシトメチル化状態予測は、AUC、Accuracy、F1スコア、Matthews相関係数で評価。
• MGMTラベルはバイナリのグラウンドトゥルーとして提供される；前処理と変換は患者空間の整合性を維持し、フェアなランキングのために外部データの使用を制限する。

実験結果

リサーチクエスチョン

• RQ1 多様な機関にわたる術前mpMRIで、自動化された方法は脳腫瘍亜領域（ET、TC、WT）を正確にセグメンテーションできますか？
• RQ2 術前mpMRIを用いた放射ゲノミック技術でMGMTプロモーターのメチル化状態を予測できますか？
• RQ3 セグメンテーションと放射ゲノミック分類法は、分布外のテストコホートへどの程度一般化しますか？
• RQ4 競合する手法間で公正な比較を支える前処理、アノテーション、評価プロトコルは何ですか？

主な発見

• BraTS 2021データセットは、複数機関からの2,000件の膠腫ケースと8,000件のmpMRIスキャンで構成される。
• 二つのタスクが定義されている：腫瘍亜領域セグメンテーション（ET、TC、WT）とMGMTプロモーターのメチル化分類。
• グラウンドトゥルーのセグメンテーションは、BraTSのトップ手法（nnU-Net、DeepScan、DeepMedic）のSTAPLE融合によって作成され、専門の神経放射線科医によって精査・修正される。
• Task 1の共通評価指標にはDice、95パーセンタイルHausdorff距離、Sensitivity、Specificityが含まれる。
• Task 2の評価は、MGMT状態予測を評価するためにAUC、Accuracy、F1スコア、そしてMatthews相関係数を使用する。
• 公開されている前処理パイプライン（CaPTk、FeTS）は、再現可能なデータ処理とアノテーションを支援する。
• 参加者の手法は一般化性能を評価するために分布外データでテストされる。