[논문 리뷰] The 2024 Brain Tumor Segmentation (BraTS) Challenge: Glioma Segmentation on Post-treatment MRI

Maria Correia de Verdier, Rachit Saluja외 83명|arXiv (Cornell University)|2024. 05. 28.

Brain Tumor Detection and Classification인용 수 11

한 줄 요약

이 논문은 2024 BraTS 후치료 교모세포종 분할 챌런지를 소개하며, 새로운 절제 공동 재발 및 표준화된 병소별 평가 지표를 갖춘 대규모 다기관 후치료 MRI 데이터셋을 도입하여 자동 분할 모델을 벤치마킹합니다.

ABSTRACT

Gliomas are the most common malignant primary brain tumors in adults and one of the deadliest types of cancer. There are many challenges in treatment and monitoring due to the genetic diversity and high intrinsic heterogeneity in appearance, shape, histology, and treatment response. Treatments include surgery, radiation, and systemic therapies, with magnetic resonance imaging (MRI) playing a key role in treatment planning and post-treatment longitudinal assessment. The 2024 Brain Tumor Segmentation (BraTS) challenge on post-treatment glioma MRI will provide a community standard and benchmark for state-of-the-art automated segmentation models based on the largest expert-annotated post-treatment glioma MRI dataset. Challenge competitors will develop automated segmentation models to predict four distinct tumor sub-regions consisting of enhancing tissue (ET), surrounding non-enhancing T2/fluid-attenuated inversion recovery (FLAIR) hyperintensity (SNFH), non-enhancing tumor core (NETC), and resection cavity (RC). Models will be evaluated on separate validation and test datasets using standardized performance metrics utilized across the BraTS 2024 cluster of challenges, including lesion-wise Dice Similarity Coefficient and Hausdorff Distance. Models developed during this challenge will advance the field of automated MRI segmentation and contribute to their integration into clinical practice, ultimately enhancing patient care.

연구 동기 및 목표

• 후치료 확산성 교모세포종의 자동 분할을 위한 공개 벤치마크와 데이터세트를 구축한다.
• 임상 치료 계획을 돕기 위한 새로운 조직 분류인 재절제 공동(RC)을 도입한다.
• 최신 분할 모델을 평가하기 위해 전문가 주석이 달린 후치료 MRI 데이터를 제공한다.
• MRI로부터 객관적인 잔여 종양 부피 평가를 가능하게 하여 임상 적용을 촉진한다.

제안 방법

• 일곱 개 센터에서 총 약 2,200건의 케이스를 포함하는 회고적 다기관 데이터 수집.
• 표준화된 전처리: DICOM을 NIfTI로 전환, HD-BET로 뇌 추출, MNI 해도에 대한 아핀 정합.
• nnU-Net 변형 및 관련 아키텍처를 이용한 다섯 가지 프리세그멘테이션 접근법, STAPLE 융합으로 최종 세그먼트를 생성.
• predefined protocol에 따른 방사선 전문의 주도 주석화, 반복적 정제 및 테스트 세트에 대한 이중 주석자 승인.
• 미세한 향상을 보조하기 위한 차감 이미지(T1-Gd minus T1) 생성.
• 병소별 DSC 및 HD95를 사용하여 교육/검증/테스트 분할(70/10/20)에서 평가; 분석은 종양 하위 영역 ET, NETC, SNFH, RC, 종양 코어 및 전체 종양을 포함.

Figure 1 : Map showing institutions from USA and Germany contributing data to the 2024 Brain Tumor Segmentation (BraTS) post-treatment glioma challenge and their relative sample size.

실험 결과

연구 질문

• RQ1 자동 분할이 후치료 교모세포종의 하위 영역인 강화 조직(ET), 비강화 종양 코어(NETC), 주변의 비강화 FLAIR 과다신호(SNFH), 재절제 공동(RC)을 정확히 구분할 수 있는가?
• RQ2 RC 클래스의 포함이 후치료 MRI의 분할 성능과 임상적 활용도에 어떤 영향을 미치는가?
• RQ3 병소별 DSC 및 HD95로 평가될 때 다기관 post-treatment 데이터에서 자동 분할의 신뢰성은 무엇인가?
• RQ4 수술 및 방사선 치료 후 잔여 종양 부피 평가와 치료 계획을 자동 분할이 어느 정도 지원할 수 있는가?
• RQ5 자동화된 후치료 교모세포종 분할의 일반적인 실패 모드는 무엇이며, 주석 프로토콜은 이를 어떻게 완화할 수 있는가?

주요 결과

• 데이터세트는 후치료 확산성 교모세포종에 대한 전문가-보셀 단위 세그먼트를 제공하며, 수술 후 공동에 대한 새로운 RC 클래스를 포함한다.
• 평가는 병소별 DSC 및 HD95를 사용하여 전체 이미지 지표가 아닌 개별 병소의 성능을 강조한다.
• 챌린지는 다섯 세그먼트 프리세그멘테이션 앙상블(nnU-Net 변형, SegResNet, 독점 모델)을 STAPLE 융합으로 최종 라벨을 생성한다.
• 품질 기준의 실제 진실을 보장하고 시험 세트의 평가자 간 일치성을 평가하기 위해 표준화된 주석 프로토콜과 방사선 의학 전문가 승인 워크플로우를 구현했다.
• 본 연구는 후치료 교모세포종에 대한 최첨단 분할 방법을 벤치마킹하고 추적 및 계획을 위한 객관적인 잔여 종양 부피 평가를 지원하는 것을 목표로 한다.

Figure 2 : Data Processing and Annotation Workflow for creating the 2024 BraTS post-treatment glioma challenge dataset.