[논문 리뷰] Benchmarking the CoW with the TopCoW Challenge: Topology-Aware Anatomical Segmentation of the Circle of Willis for CTA and MRA

Kaiyuan Yang, Fabio Musio외 111명|PubMed|2023. 12. 29.

Cerebrovascular and Carotid Artery Diseases참고 문헌 45인용 수 9

한 줄 요약

본 논문은 쌍별 CTA와 MRA 영상에서 Circle of Willis의 위상 인식 다중 클래스 분할을 위한 TopCoW 챌린지와 데이터셋을 제시하고, 많은 구성요소에서 거의 90%의 Dice 값을 보고하며 토폴로지 기반 지표를 분석한다.

ABSTRACT

The Circle of Willis (CoW) is an important network of arteries connecting major circulations of the brain. Its vascular architecture is believed to affect the risk, severity, and clinical outcome of serious neurovascular diseases. However, characterizing the highly variable CoW anatomy is still a manual and time-consuming expert task. The CoW is usually imaged by two non-invasive angiographic imaging modalities, magnetic resonance angiography (MRA) and computed tomography angiography (CTA), but there exist limited datasets with annotations on CoW anatomy, especially for CTA. Therefore, we organized the TopCoW challenge with the release of an annotated CoW dataset. The TopCoW dataset is the first public dataset with voxel-level annotations for 13 CoW vessel components, enabled by virtual reality technology. It is also the first large dataset using 200 pairs of MRA and CTA from the same patients. As part of the benchmark, we invited submissions worldwide and attracted over 250 registered participants from six continents. The submissions were evaluated on both internal and external test datasets of 226 scans from over five centers. The top performing teams achieved over 90% Dice scores at segmenting the CoW components, over 80% F1 scores at detecting key CoW components, and over 70% balanced accuracy at classifying CoW variants for nearly all test sets. The best algorithms also showed clinical potential in classifying fetal-type posterior cerebral artery and locating aneurysms with CoW anatomy. TopCoW demonstrated the utility and versatility of CoW segmentation algorithms for a wide range of downstream clinical applications with explainability. The annotated datasets and best performing algorithms have been released as public Zenodo records to foster further methodological development and clinical tool building.

연구 동기 및 목표

• CTA와 MRA 모두에 대한 Circle of Willis 해부학의 복셀 수준 주석 데이터셋을 공개적으로 제공한다.
• CoW 분할을 위상 인식 평가를 갖는 다중 클래스 작업으로 형식화한다.
• 자동 분할 방법의 글로벌 및 토폴로지 성능을 평가하고 벤치마크한다.
• MRA와 CTA 전반에 걸친 평가자 간 신뢰도와 모달리티별 합의를 분석한다.
• CoW 위상 인식 분석의 미해결 과제와 향후 방향을 강조한다.

제안 방법

• 13개의 CoW 혈관 구성요소에 대한 복셀 수준 다중 클래스 주석이 포함된 쌍으로 된 CTA–MRA 데이터셋을 공개한다.
• 임상 전문가가 효율적으로 3D 라벨링 및 검증할 수 있도록 VR을 사용하여 주석을 달다.
• CoW ROI를 정의하고 두 모달리티에서 이 ROI 내에서 분할을 수행한다.
• 형태학 및 토폴로지를 포착하기 위해 Dice, centerline Dice (clDice), 및 Betti-0 오차를 사용하여 제출물을 평가한다.
• CTA와 MRA의 두 모달리티 트랙에서 다중 클래스와 이진 분할 작업을 모두 제공한다.
• 벤치마크의 일부로 외부 학습 데이터를 허용하고 모달리티 간 및 평가자 간 분석을 보고한다.

실험 결과

연구 질문

• RQ1 자동화된 방법이 MRA와 CTA 모두에서 13개의 CoW 혈관 구성요소를 위상적 일관성을 유지하며 정확하게 분할할 수 있는가?
• RQ2 복셀 수준 분할 성능과 토폴로지 기반 지표가 모달리티 및 변이된 CoW 해부학에서 어떻게 비교되는가?
• RQ3 VR 기반 라벨링에서 다중 클래스 CoW 주석에 대한 평가자 간 신뢰도 수준은 어떤가?
• RQ4 자동 예측에서 CoW 변이의 토폴로지 매칭에서 흔한 실패 모드는 무엇인가?

주요 결과

• TopCoW는 4대륙에서 146명의 등록 참가자와 27개 팀을 끌어들였으며, 최종 챌린지 논문에 18개 팀이 기여했다.
• TopCoW 훈련 세트에는 90명 환자, 검증 세트 5명, 테스트 세트 35명으로 총 130쌍의 MRA–CTA 케이스를 포함한다.
• 다섯 개의 테스트 케이스 부분에서 평가자 간 Dice는 13개 클래스 중 대부분에서 약 90% 이상으로 평균화되었으며, R-Pcom, L-Pcom, Acom, 그리고 3rd-A2에서 낮은 점수를 보였다.
• Binary Dice는 평가자 간 95% 정도로 평균되어 병합된 CoW 마스크에 대한 전반적인 강한 합의를 나타낸다.
• 전방 변이에서 모달리티 간 합의가 높았고, 후방 변이에서는 CTA가 뼈 영역에 가까워 더 가변적이었다.
• 최상위 방법은 많은 혈관 구성요소에서 Dice 약 90%를 달성했지만, 연통동맥 및 희귀 변이에서 약점이 있었고 Dice가 높더라도 토폴로지 오류가 나타났다.