[논문 리뷰] The KiTS19 Challenge Data: 300 Kidney Tumor Cases with Clinical Context, CT Semantic Segmentations, and Surgical Outcomes

Nicholas Heller, Niranjan Sathianathen외 18명|arXiv (Cornell University)|2019. 03. 31.

Renal cell carcinoma treatment참고 문헌 19인용 수 328

한 줄 요약

KiTS19 데이터셋은 임상 데이터 및 수술 결과와 함께 300건의 주석이 달린 신장 종양 CT 케이스를 제공하여 nephrometry 연구 및 시맨틱 분할 개발을 가능하게 하며, 평가를 위한 공개 210건과 비공개 90건을 포함한다.

ABSTRACT

The morphometry of a kidney tumor revealed by contrast-enhanced Computed Tomography (CT) imaging is an important factor in clinical decision making surrounding the lesion's diagnosis and treatment. Quantitative study of the relationship between kidney tumor morphology and clinical outcomes is difficult due to data scarcity and the laborious nature of manually quantifying imaging predictors. Automatic semantic segmentation of kidneys and kidney tumors is a promising tool towards automatically quantifying a wide array of morphometric features, but no sizeable annotated dataset is currently available to train models for this task. We present the KiTS19 challenge dataset: A collection of multi-phase CT imaging, segmentation masks, and comprehensive clinical outcomes for 300 patients who underwent nephrectomy for kidney tumors at our center between 2010 and 2018. 210 (70%) of these patients were selected at random as the training set for the 2019 MICCAI KiTS Kidney Tumor Segmentation Challenge and have been released publicly. With the presence of clinical context and surgical outcomes, this data can serve not only for benchmarking semantic segmentation models, but also for developing and studying biomarkers which make use of the imaging and semantic segmentation masks.

연구 동기 및 목표

• 주석이 달린 시맨틱 분할 및 풍부한 임상/결과 맥락을 갖춘 대규모 고충실도 신장 종양 CT 이미지 데이터셋 제공.
• 간단한 크기/위치 메트릭스를 넘어서는 새로운 nephrometry 특징 개발 가능성 확보.
• 대규모의 자동 시맨틱 분할 시스템 학습을 위한 데이터셋 제공.
• 주석 품질 및 데이터셋의 신뢰성을 평가하여 다운스트림 연구 및 벤치마킹 지원.

제안 방법

• 부분 신절제/전체 신절제 수술을 받는 환자에 대한 2010–2018년 후향적 데이터 수집.
• 웹 기반 주석 도구를 사용한 말기 동맥 CT 시퀀스에서 신장 및 종양 경계의 수동 경계 정의.
• 레이블링된 영역 정의 및 내하부 구조 관리를 위한 임계값 지정 및 강하 대 — hilum 채우기.
• 주석이 없는 절의 분할 윤곽 생성을 위한 보간 및 신장, 종양, 배경 라벨의 진실값 계산.
• 차트 데이터 및 영상 주석의 이중 검토를 포함한 품질 보증.

실험 결과

연구 질문

• RQ1 시맨틱 분할 및 더 풍부한 형태 특징이 신장 종양의 예후 및 치료 계획에 어떤 영향을 미칠 수 있는가?
• RQ2 임상 맥락이 포함된 대규모 라벨링 CT 데이터셋이 견고한 학습 기반 분할 시스템 및 새로운 nephrometry 지표를 가능하게 하는가?
• RQ3 Ground-truth 분할 생성을 위한 수동 주석의 신뢰성 및 관찰자 간 일치도는 어떤가?
• RQ4 형태학 유도 특징이 신장 종양의 외과적 결과 및 병리와 어떤 상관관계를 보이는가?

주요 결과

• 데이터셋은 수술 전 CT 영상과 신장 및 종양 주석 분할을 포함하는 300명의 환자로 구성된다.
• 수동 주석 신뢰도는 높은 일치를 보였으며, 30케이스 자체 일관성 검사에서 Kidney+Tumor Dice 0.983 및 Tumor Only Dice 0.923를 보였다.
• 외부 평가를 위한 공개 208건, 평가를 위한 비공개 90건으로 외부 벤치마킹이 가능하다.
• Hilum 포함 및 임계값 기반 분할을 활용한 진실값 생성으로 복잡한 내하 구조를 처리한다.
• 대체 품질 보증에는 영상 방사선학 기준의 검토 및 주석에 대한 반복 보정이 포함되었다.