[논문 리뷰] Intensity Normalization Techniques and Their Effect on the Robustness and Predictive Power of Breast MRI Radiomics

Florian Schwarzhans, Geevarghese George외 5명|arXiv (Cornell University)|2024. 06. 03.

Radiomics and Machine Learning in Medical ImagingMedicine인용 수 3

한 줄 요약

이 연구는 유방 MRI 영상유전자학에서 강도 보정 기법을 평가하여 특징의 강인성과 예측 능력을 향상시키고자 한다. I-SPY TRIAL 및 PARTNER trial 데이터셋을 사용하여, 편향 필드 보정과 조각별 선형 히스토그램 보정을 조합할 경우 스캐너 간 특징 일관성이 크게 향상되며, 다른 방법에 비해 스캐너 유도 변동성을 더 효과적으로 줄이는 것으로 나타났다.

ABSTRACT

Radiomics analysis has emerged as a promising approach for extracting quantitative features from medical images to aid in cancer diagnosis and treatment. However, radiomics research currently lacks standardization, and radiomics features can be highly dependent on the acquisition and pre-processing techniques used. In this study, we aim to investigate the effect of various intensity normalization techniques on the robustness of radiomics features extracted from MRI scans of breast cancer patients. The images used are from the publicly available I-SPY TRIAL dataset, which contains MRI scans of stage 2 or 3 breast cancer patients and from the Platinum and PARP inhibitor for Neoadjuvant treatment of Triple Negative and / or BRCA positive breast cancer (PARTNER) trial. We compared the effect of commonly used intensity normalization techniques on the robustness of radiomics features using Intraclass Correlation Coefficient (ICC) between multiple combinations of normalization approaches, identified categories that are robust and therefore could be compared between studies regardless of the pre-processing used. We were able to show that while systematic differences between MRI scanners can significantly affect many radiomics features, a combination of Bias Field correction with piecewise linear histogram normalization can mitigate some of the effects compared to other normalization methods investigated in this paper. We were able to demonstrate the importance of carefully selecting and standardizing normalization methods for accurate and reliable radiomics analysis in breast MRI scans.

연구 동기 및 목표

• 유방 MRI에서 다양한 강도 보정 기법이 영상유전자 특징의 강인성에 미치는 영향을 평가하기 위해.
• 스캐너 특유의 촬영 차이로 인한 변동성을 최소화하는 보정 전략을 규명하기 위해.
• 다중 센터 연구 간 영상유전자 특징의 재현성과 비교 가능성 향상을 위해.
• I-SPY 및 PARTNER trial의 임상 결과를 활용하여 보정 후 영상유전자 특징의 예측 성능을 평가하기 위해.
• 유방 MRI 영상유전자학 연구의 신뢰도를 향상시키기 위한 표준화된 사전처리 프로토콜 수립을 위해.

제안 방법

• I-SPY TRIAL 및 PARTNER trial 데이터셋의 T1 강도 강조 동적 대조 영상(DCE-MRI) 스캔을 활용하였다.
• 다양한 강도 보정 기법 적용: 히스토그램 매칭, N4 편향 필드 보정, 조각별 선형 보정, z-스코어 보정.
• 보정 기법을 순차적 파이프라인(예: N4 + 조각별 선형)으로 조합하여 누적 효과 평가.
• 다양한 보정 조합에 따른 특징 간 강인성 측정을 위해 상관계수(ICC) 계산.
• 임상 결과(예: 조직학적 완전 반응)를 활용하여 보정된 특징의 예측 능력 평가.
• 보정 전략 간 특징 안정성 및 예측 성능 비교를 위한 통계 분석 수행.

실험 결과

연구 질문

• RQ1 다양한 강도 보정 기법이 유방 MRI 영상유전자 특징의 강인성에 어떤 영향을 미치는가?
• RQ2 어느 보정 조합이 스캐너 간 영상유전자 특징에 대해 가장 높은 상관계수(ICC)를 제공하는가?
• RQ3 보정이 유방암 임상 결과에 대한 영상유전자 특징의 예측 능력을 얼마나 향상시키는가?
• RQ4 어느 보정 방법이 영상유전자 특징의 스캐너 유도 변동성을 가장 효과적으로 완화하는가?
• RQ5 표준화된 보정 파이프라인을 통해 유방 MRI 영상유전자 특징의 신뢰할 수 있는 다중 연구 간 비교가 가능한가?

주요 결과

• MRI 스캐너 간의 체계적 차이가 다수의 영상유전자 특징에 영향을 미쳐 재현성을 저하시키는 것으로 나타났다.
• N4 편향 필드 보정 후 조각별 선형 히스토그램 보정을 적용한 조합이 가장 높은 ICC 값을 기록하여 강인성이 뛰어난 것으로 확인되었다.
• 이 조합은 개별 보정 기법이나 다른 조합에 비해 스캐너 간 변동성을 더 효과적으로 감소시켰다.
• N4 + 조각별 선형 보정 파이프라인에서 유도된 특징들은 다양한 촬영 프로토콜 간 일관성이 향상되었다.
• 특정 보정 범주가 특징 안정성을 유지함을 규명하여 다중 센터 연구 간 신뢰할 수 있는 비교가 가능해졌다.
• 강건한 보정은 조직학적 완전 반응과 같은 임상 결과에 대한 영상유전자 특징의 예측 능력을 크게 향상시켰다.