[논문 리뷰] Analysis of the 2024 BraTS Meningioma Radiotherapy Planning Automated Segmentation Challenge

Dominic LaBella, Abramova, Valeriia외 103명|arXiv (Cornell University)|2024. 05. 28.

Brain Tumor Detection and Classification인용 수 4

한 줄 요약

이 논문은 방사선 치료 계획을 위한 T1 강화 뇌 MRI에서 뇌경막종 표적 볼륨의 자동 분할 모델을 개발하기 위한 대규모 다기관 도전 과제인 2024 BraTS-MEN-RT를 제시한다. 단일 내재 해상도 T1c 시퀀스와 전문가가 주석 처리한 윤곽선을 사용하여, 임상적으로 유의미한 오픈소스 모델을 개발함으로써 주석 처리 시간을 단축하고 치료 계획의 일관성을 향상시킨다.

ABSTRACT

The 2024 Brain Tumor Segmentation Meningioma Radiotherapy (BraTS-MEN-RT) challenge aimed to advance automated segmentation algorithms using the largest known multi-institutional dataset of 750 radiotherapy planning brain MRIs with expert-annotated target labels for patients with intact or postoperative meningioma that underwent either conventional external beam radiotherapy or stereotactic radiosurgery. Each case included a defaced 3D post-contrast T1-weighted radiotherapy planning MRI in its native acquisition space, accompanied by a single-label "target volume" representing the gross tumor volume (GTV) and any at-risk post-operative site. Target volume annotations adhered to established radiotherapy planning protocols, ensuring consistency across cases and institutions, and were approved by expert neuroradiologists and radiation oncologists. Six participating teams developed, containerized, and evaluated automated segmentation models using this comprehensive dataset. Team rankings were assessed using a modified lesion-wise Dice Similarity Coefficient (DSC) and 95% Hausdorff Distance (95HD). The best reported average lesion-wise DSC and 95HD was 0.815 and 26.92 mm, respectively. BraTS-MEN-RT is expected to significantly advance automated radiotherapy planning by enabling precise tumor segmentation and facilitating tailored treatment, ultimately improving patient outcomes. We describe the design and results from the BraTS-MEN-RT challenge.

연구 동기 및 목표

• 자동 분할을 위한 전문가가 주석 처리한 뇌경막종 방사선 치료 계획 MRI를 포함한 가장 큰 공개 데이터셋을 구축하기 위해.
• 임상 적용을 위한 강력하고 일반화 가능한 딥 러닝 모델의 개발을 가속화하기 위해.
• 단일 T1 강화 MRI 시퀀스를 고려하여 모델 배포를 단순화하기 위해.
• 모델과 데이터를 공개하여 향후 연구 및 임상 적용을 지원함으로써 오픈 사이언스를 촉진하기 위해.
• 향후 다양한 뇌종양 유형과 다중 모odal 영상(예: CT, PET)을 대상으로 하는 도전 과제의 기초를 마련하기 위해.

제안 방법

• 분할 모델의 입력으로 단일 T1 강화 뇌 MRI 시퀀스를 내재 해상도로 사용한다.
• 참가자들은 다수의 기관에서 제공한 전문가 주석 기반 참조 윤곽선을 사용하여 뇌경막종의 거대 종양 볼륨(GTV)을 분할하도록 의무를 지닌다.
• 모든 데이터는 윤리위원회(IRB) 승인 하에 수집되었으며, 동의서의 제공을 생략하였다.
• 데이터셋은 Synapse에 호스팅되며, 도전 과제 기간(2024년 5월 말부터 10월까지) 동안 공개적으로 배포될 예정이다.
• 모델 평가는 덱스 유사도 계수(DSC) 및 하우소프 거리와 같은 표준 분할 지표를 사용하여 평가된다.
• 다양한 기관의 데이터 수집을 통해 연합 학습과 모델의 일반화 능력을 향상시킨다.

Figure 1: Image panels depicting a case that utilizes a radiation planning Gamma Knife headframe. Panels A, B, and C depict an intact meningioma (red) in Meckel’s cave on T1c radiation planning axial, sagittal, and coronal images, respectively. Note that this challenge’s defacing technique preserves

실험 결과

연구 질문

• RQ1 임상적 방사선 치료 계획에서 단일 T1 강화 MRI 시퀀스를 사용하여 자동 딥 러닝 모델이 뇌경막종의 거대 종양 볼륨을 고정밀도로 분할할 수 있는가?
• RQ2 모델 성능과 일반화 능력은 다양한 기관과 영상 프로토콜 간에 어떻게 달라지는가?
• RQ3 오픈소스로 제공되는 다기관 데이터셋은 임상 적용 가능한 분할 도구 개발에 얼마나 기여할 수 있는가?
• RQ4 기존 방사선 치료 계획 시스템에 자동 분할을 통합할 때의 주요 기술적 및 워크플로우 과제는 무엇인가?
• RQ5 향후 도전 과제는 뇌경막종을 넘어 다른 뇌종양 유형과 다중 모달 영상(예: CT, PET)으로 확장될 수 있는가?

주요 결과

• BraTS-MEN-RT 도전 과제는 전문가가 주석 처리한 뇌경막종 방사선 치료 계획 MRI 데이터셋 중 가장 큰 것으로, 58개 기관의 데이터를 포함한다.
• 데이터셋은 내재 해상도의 T1 강화 MRI 시퀀스를 포함하여 사전 처리 없이 임상 워크플로우에 직접 통합할 수 있도록 한다.
• 도전 과제는 도전 과제 종료 후 Synapse에 모든 모델과 데이터를 공개함으로써 오픈 사이언스를 지원한다.
• 이 이니셔티브는 수동 주석 처리 시간을 줄이고 방사선 치료 계획의 일관성과 재현 가능성을 향상시키기 위해 목표로 한다.
• 도전 과제는 향후 CT, PET와 같은 다중 모달 영상 및 간질, 청신경종 등의 다양한 뇌종양 유형을 대상으로 하는 노력의 기초를 마련한다.
• 모델과 데이터의 공개는 임상 적용을 위한 강력하고 일반화 가능한 자동 분할 도구 개발을 가속화할 것으로 기대된다.

Figure 2: Panels A, B, and C depict an extra-axial meningioma overlying the left frontal lobe in T1c radiotherapy planning axial, sagittal, and coronal views respectively. Note that these images contain “zipper” artifact as demonstrated by the streaking horizontal white lines seen in panels B and C,