[논문 리뷰] The Brain Tumor Segmentation (BraTS) Challenge 2023: Brain MR Image Synthesis for Tumor Segmentation (BraSyn)

Hongwei Li, Gian Marco Conte외 67명|arXiv (Cornell University)|2023. 05. 15.

Advanced Neural Network Applications인용 수 10

한 줄 요약

이 논문은 BraSyn을 소개합니다. BraTS 2023 챌런지 focused on synthesizing missing MRI modalities to enable robust brain tumor segmentation, detailing dataset, preprocessing, evaluation metrics, and ranking strategy.

ABSTRACT

Automated brain tumor segmentation methods have become well-established and reached performance levels offering clear clinical utility. These methods typically rely on four input magnetic resonance imaging (MRI) modalities: T1-weighted images with and without contrast enhancement, T2-weighted images, and FLAIR images. However, some sequences are often missing in clinical practice due to time constraints or image artifacts, such as patient motion. Consequently, the ability to substitute missing modalities and gain segmentation performance is highly desirable and necessary for the broader adoption of these algorithms in the clinical routine. In this work, we present the establishment of the Brain MR Image Synthesis Benchmark (BraSyn) in conjunction with the Medical Image Computing and Computer-Assisted Intervention (MICCAI) 2023. The primary objective of this challenge is to evaluate image synthesis methods that can realistically generate missing MRI modalities when multiple available images are provided. The ultimate aim is to facilitate automated brain tumor segmentation pipelines. The image dataset used in the benchmark is diverse and multi-modal, created through collaboration with various hospitals and research institutions.

연구 동기 및 목표

• 임상 환경에서 뇌종양 분할을 지원하기 위한 누락된 MRI 모달리티를 합성하기 위한 벤치마크를 동기 부여하고 확립합니다.
• 전문가 주석이 포함된 다양한 다기관 mpMRI 데이터셋을 모달리티 합성 평가를 위해 제공합니다.
• 일관된 전처리, 지상-truth 주석 및 융합 기반 분할 레이블을 정의하여 공정한 비교를 가능하게 합니다.
• 합성 모달리티의 이미지 리얼리즘과 다운스트림 분할 유용성을 모두 평가하기 위한 평가 지표와 랭킹 전략을 제안합니다.]
• method:[

제안 방법

• 네 가지 입력 MRI 모달리티(T1, T1Gd, T2, T2-FLAIR)를 사용하고 검증/테스트에서 무작위로 하나의 모달리티를 삭제하여 합성을 시험합니다.
• 그라운드 트루스 세그먼트는 VASARI 특징을 기반으로 ET, ED, NCR를 포함하며 최종 주석은 신경방사선과 전문의의 세부 조정으로 다듬습니다.
• 전처리에는 DICOM에서 NIfTI로의 변환, SRI24로의 정합, 1mm^3로의 재샘플링, 두개골 제거가 포함되며 라벨은 nnU-Net, DeepScan, DeepMedic의 STAPLE 및 전문가 정제를 통해 융합됩니다.
• 평가는 합성 모달리티와 실제 모달리티에서 종양 영역과 정상 뇌 영역 내의 SSIM과 세 가지 종양 구조에 대한 Dice 점수를 사용합니다.
• 랭킹은 다섯 가지 지표(종양 구조에 대한 세 Dice 점수, 두 SSIM 점수)를 테스트 케이스 전체에 걸쳐 동등 가중합으로 집계합니다.]
• research_questions:[

실험 결과

연구 질문

• RQ1 합성된 MRI 모달리티가 다운스트림 뇌종양 분할을 위해 누락된 시퀀스를 얼마나 효과적으로 회복할 수 있는가?
• RQ2 합성 모달리티가 전체 모달리티를 사용하거나 합성 없이 사용하는 경우에 비해 분할 성능을 향상시키는가?
• RQ3 다기관 BraTS 데이터에서 모달리티 합성을 적용할 때 이미지 품질과 분할 유용성 간의 트레이드오프는 무엇인가?

주요 결과

• BraSyn은 각 피험자마다 하나의 모달리티를 삭제하는 구조화된 평가를 통해 합성을 확인합니다.
• 그라운드 트루스 주석은 ET, ED, NCR를 포함하며 고품질 라벨을 보장하기 위해 전문가의 정제를 거칩니다.
• 데이터셋은 RSNA-ASNR-MICCAI BraTS 2021 데이터를 기반으로 하며 표준화된 전처리 및 다기관 다양성을 제공합니다.
• 다섯 가지 랭킹 지표가 SSIM과 Dice 점수를 결합하여 전반적인 성능을 결정합니다. 이는 이미지 현실성 및 분할 유용성의 균형을 선호하는 방법을 선호합니다.
• 상위 방법은 모든 지표와 테스트 케이스에 걸친 동등 가중 순위를 사용하여 순위가 매겨집니다.