[논문 리뷰] The Brain Tumor Segmentation (BraTS) Challenge 2023: Focus on Pediatrics (CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs)

Anahita Fathi Kazerooni, Nastaran Khalili외 71명|arXiv (Cornell University)|2023. 05. 26.

Glioma Diagnosis and Treatment인용 수 38

한 줄 요약

본 논문은 BraTS-PEDs 2023을 제시합니다. 이는 최초의 BraTS 소아 뇌종양 분할 벤치마크로, 다기관 mpMRI 기반 소아 고등급 교종의 데이터 수집, ground-truth 주석, 전처리 및 평가 프레임워크를 상세히 설명합니다. 또한 참가, 기본 방법 및 평가 파이프라인을 개요합니다.

ABSTRACT

Pediatric tumors of the central nervous system are the most common cause of cancer-related death in children. The five-year survival rate for high-grade gliomas in children is less than 20\%. Due to their rarity, the diagnosis of these entities is often delayed, their treatment is mainly based on historic treatment concepts, and clinical trials require multi-institutional collaborations. The MICCAI Brain Tumor Segmentation (BraTS) Challenge is a landmark community benchmark event with a successful history of 12 years of resource creation for the segmentation and analysis of adult glioma. Here we present the CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs 2023 challenge, which represents the first BraTS challenge focused on pediatric brain tumors with data acquired across multiple international consortia dedicated to pediatric neuro-oncology and clinical trials. The BraTS-PEDs 2023 challenge focuses on benchmarking the development of volumentric segmentation algorithms for pediatric brain glioma through standardized quantitative performance evaluation metrics utilized across the BraTS 2023 cluster of challenges. Models gaining knowledge from the BraTS-PEDs multi-parametric structural MRI (mpMRI) training data will be evaluated on separate validation and unseen test mpMRI dataof high-grade pediatric glioma. The CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs 2023 challenge brings together clinicians and AI/imaging scientists to lead to faster development of automated segmentation techniques that could benefit clinical trials, and ultimately the care of children with brain tumors.

연구 동기 및 목표

• 고등급 교종(astrocytoma 및 DMG/DIPG)을 포함한 소아 환자의 다기관 mpMRI 데이터셋을 회고적으로 제공한다.
• 표준화된 지표를 사용하여 소아 뇌종양의 부피 분할 알고리즘을 벤치마킹한다.
• 학습 데이터를 BraTS-PEDs 2023 데이터로 제한하고 미확인(unseen) 데이터에서 평가된 컨테이너화된 제출을 통해 공정한 비교를 가능하게 한다.
• 소아 임상 시험 및 치료 계획을 지원하기 위한 자동 분할 도구의 신속한 개발을 촉진한다.

제안 방법

• 네 가지 mpMRI 시퀀스(T1, T1CE, T2, T2-FLAIR)를 포함한 소아 고등급 교종의 다기관 회고 데이터세트를 구성한다.
• DICOM-to-NIfTI 변환, SRI24로의 공동 정합(co-registration), 등방성 재샘플링(1 mm^3)으로 이미지를 전처리한다.
• ET, NET/NC, CC, ED로 구성된 ground-truth 종양 하위 영역 라벨을 신경방사선학 전문가 및 주치 방사선의가 다듬어 제공한다.
• 참가자에게 세 가지 라벨링 대상(ET, NC, ED)과 점수 산정에 사용되지 않는 네 번째 하위영역(CC)을 제공하여 훈련을 돕는다.
• 참가자용 기본 프레임워크로 GaNDLF를 사용하고 MLCube 및 MedPerf Synapse 플랫폼을 통한 컨테이너화된 제출을 가능하게 한다.

Figure 1 : Illustrative example of tumor subregions in pediatric brain tumors. Image panels with the annotated tumor subregions along with mpMRI structural scans (T1, T1CE, T2, and T2-FLAIR). The left-most side image on the bottom panel with the overlaid annotations showcases the original tumor subr

실험 결과

연구 질문

• RQ1 다기관 데이터에서 다매-parametric MRI를 사용하여 소아 뇌종양 하위영역을 용적 기반으로 신뢰성 있게 분할할 수 있는가?
• RQ2 BraTS-PEDs에서 훈련된 소아 종양 분할 모델이 센터 간의 unseen 소아 데이터에 얼마나 잘 일반화되는가?
• RQ3 소아 주석 ground-truth과 성인 중심 주석을 사용할 때 분할 성능에 미치는 영향은 무엇인가?
• RQ4 학습 데이터를 BraTS-PEDs 데이터로 제한하는 것이 참가자 간의 공정하고 재현 가능한 벤치마킹을 가능하게 하는가?

주요 결과

• BraTS-PEDs 2023은 다기관 데이터 및 ground-truth 주석을 포함하는 소아 중심의 최초 BraTS 벤치마크를 수립한다.
• 데이터셋은 네 가지 mpMRI 시퀀스와 표준화된 전처리를 포함한 228건의 소아 고등급 교종 사례로 구성되어 있다.
• 참가자는 unseen 데이터에서 ET, NC (enhancing/cystic/necrotic) 및 WT(whole tumor) 영역으로 평가된다.
• 평가는 학습 및 검증 기간 동안 MedPerf 플랫폼을 통해 제출된 컨테이너화된 방법과 CaPTk/FeTS 도구에 의존한다.