[논문 리뷰] Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge

Dominic LaBella, Ujjwal Baid외 120명|arXiv (Cornell University)|2024. 05. 16.

Meningioma and schwannoma managementMedicine인용 수 3

한 줄 요약

이 논문은 BraTS 2023 뇌내막종 세그멘테이션 챌린지를 분석하여, 수술 전 MRI에서 뇌내막종을 세그멘테이션하는 딥러닝 모델의 성능을 평가한다. 스컬 스트리핑이 종양 부피 손실을 유발하는 주요 문제임을 밝혀내며, 방사선 치료 계획 수립을 위해 중요한 종양 영역을 유지하기 위해 MRI_reface와 같은 대체 익명화 기법을 제안한다.

ABSTRACT

We describe the design and results from the BraTS 2023 Intracranial Meningioma Segmentation Challenge. The BraTS Meningioma Challenge differed from prior BraTS Glioma challenges in that it focused on meningiomas, which are typically benign extra-axial tumors with diverse radiologic and anatomical presentation and a propensity for multiplicity. Nine participating teams each developed deep-learning automated segmentation models using image data from the largest multi-institutional systematically expert annotated multilabel multi-sequence meningioma MRI dataset to date, which included 1000 training set cases, 141 validation set cases, and 283 hidden test set cases. Each case included T2, FLAIR, T1, and T1Gd brain MRI sequences with associated tumor compartment labels delineating enhancing tumor, non-enhancing tumor, and surrounding non-enhancing FLAIR hyperintensity. Participant automated segmentation models were evaluated and ranked based on a scoring system evaluating lesion-wise metrics including dice similarity coefficient (DSC) and 95% Hausdorff Distance. The top ranked team had a lesion-wise median dice similarity coefficient (DSC) of 0.976, 0.976, and 0.964 for enhancing tumor, tumor core, and whole tumor, respectively and a corresponding average DSC of 0.899, 0.904, and 0.871, respectively. These results serve as state-of-the-art benchmarks for future pre-operative meningioma automated segmentation algorithms. Additionally, we found that 1286 of 1424 cases (90.3%) had at least 1 compartment voxel abutting the edge of the skull-stripped image edge, which requires further investigation into optimal pre-processing face anonymization steps.

연구 동기 및 목표

• BraTS 2023 데이터셋을 사용하여 뇌내막종을 세그멘테이션하는 딥러닝 모델의 성능을 평가하기 위해.
• 스컬 스트리핑 전처리가 뇌내막종 세그멘테이션 정확도에 미치는 영향을 조사하기 위해.
• 특히 방사선 치료 계획을 위한 종양 부피 포함 측면에서 현재 세그멘테이션 작업의 임상적 관련성 격차를 규명하기 위해.
• 환자 익명화를 보장하면서도 종양 부피를 유지하는 개선된 전처리 기법을 제안하기 위해.
• 자동 세그멘테이션을 RTOG 0539와 같은 임상 프로토콜에 맞추어 뇌내막종 방사선 치료에서 목표 부위 정의를 수행하기 위해.

제안 방법

• 멀티-콘트라스트 MRI(T1, T1-CE, T2, FLAIR)를 포함한 1,424건의 수술 전 뇌내막종 데이터셋을 사용하였다.
• 학습(70%), 검증(10%), 비공개 테스트(20%) 분할을 기반으로 표준 메트릭을 사용하여 세그멘테이션 성능을 평가하였다.
• 스컬 스트리핑이 종양 부피에 미치는 영향을 분석하기 위해, 뼈벽에 인접한 볼륨 수치를 측정하였다.
• 얼굴 및 귀 부위를 수정하여 뇌 조직을 유지하는 MRI_reface와 같은 대체 익명화 기법을 제안하였다.
• RTOG 0539 지침에 따라 목표 부위 정의를 기준으로 세그멘테이션 결과의 임상적 관련성을 평가하였다.
• 세그멘테이션 레이블에 비해 임상 실무에서 포함되지 않는 비강화 부위(예: T2/FLAIR 고신호, 경막 꼬리)의 포함 여부를 평가하였다.

Figure 1: Meningioma sub-compartments considered in the BraTS Pre-operative Meningioma Dataset. Image panels A-C denote the different tumor sub-compartments included in manual annotations; (A) enhancing tumor (blue) visible on a T1-weighted post-contrast image; (B) the non-enhancing tumor core (red)

실험 결과

연구 질문

• RQ1 전처리 단계에서의 스컬 스트리핑이 자동 세그멘테이션에서 뇌내막종 종양 부피의 제거를 얼마나 유발하는가?
• RQ2 현재 세그멘테이션 모델은 BraTS 2023 뇌내막종 데이터셋에서 강화된 종양 및 수술 후 재발 부위 부피를 얼마나 잘 유지하는가?
• RQ3 환자 익명화를 보장하면서도 임상적으로 중요한 종양 영역을 가장 잘 유지하는 전처리 기법은 무엇인가?
• RQ4 세그멘테이션 레이블은 RTOG 0539와 같은 임상적 방사선 치료 목표 부위 정의와 얼마나 잘 일치하는가?
• RQ5 방사선 치료 계획 지원을 위한 세그멘테이션에 더 나은 데이터셋 쿠리에이션 및 레이블링을 위해 어떤 개선이 필요한가?

주요 결과

• 스컬 스트리핑으로 인해 1,483건의 뇌내막종 환자 중 1,286건에서 뼈벽과 인접한 최소한 하나의 종양 볼륨이 제거되어 임상적으로 중요한 종양 부피 손실 위험이 존재한다.
• 연구에서 비강화된 T2/FLAIR 고신호 및 선형 경막 꼬리 강화는 종종 세그멘테이션 레이블에 포함되지만, 방사선 치료 계획에서 거대 종양 부위(GTV)에 포함되어서는 안 된다는 점을 발견하였다.
• MRI_reface는 얼굴 특징을 익명화하면서도 대부분의 MRI 영상을 유지하므로 스컬 스트리핑의 유망한 대체 기법으로 확인되었다.
• RTOG 0539 프로토콜은 GTV에 강화된 종양과 수술 후 재발 부위만 포함해야 하며, 부종이나 경막 꼬리는 재발과 관련이 없어 포함되어서는 안 된다고 명시한다.
• 현재의 세그멘테이션 챌린지인 BraTS 2023는 비표적 구조를 나타내는 레이블(SNFH 등)을 포함하고 있어, 모델이 임상 실무와의 일치를 방해할 수 있다.
• 학습 및 검증 데이터셋은 Synapse에서 공개 가능하며, 테스트 세트는 향후 알고리즘의 비편향 평가를 위해 비공개로 유지된다.

Figure 2: Image panels of the top scored individual test case with a median participant DSC of 1.00, 1.00, and 1.00 and average participant DSC of 0.993, 0.881, and 0.882 for enhancing tumor, tumor core, and whole tumor; respectively. Tumor ground truth sub-compartment labels annotated on axial (A),