[논문 리뷰] TotalSegmentator: robust segmentation of 104 anatomical structures in CT images

Jakob Wasserthal, Hanns‐Christian Breit외 10명|PubMed|2022. 08. 11.

Advanced X-ray and CT Imaging참고 문헌 19인용 수 279

한 줄 요약

저자들은 공개적으로 이용 가능한 nnU-Net 모델을 트레이닝하여 CT 영상에서 104 해부학 구조를 견고하게 분할하고, 높은 정확도와 광범위한 적용 가능성을 입증하며, 대규모 전신 CT 코호트에서의 노화 분석을 포함합니다.

ABSTRACT

The developed model enables robust and accurate segmentation of 104 anatomic structures. The annotated dataset (<i>https://doi.org/10.5281/zenodo.6802613</i>) and toolkit (<i>https://www.github.com/wasserth/TotalSegmentator</i>) are publicly available.<b>Keywords:</b> CT, Segmentation, Neural Networks <i>Supplemental material is available for this article</i>. © RSNA, 2023See also commentary by Sebro and Mongan in this issue.

연구 동기 및 목표

• CT 영상에서 자동으로 그리고 견고하게 104개의 해부학 구조를 분할하는 분할 모델을 개발한다.
• 일반화 가능성을 극대화하기 위해 다양하고 실제 세계의 학습 데이터 세트와 수동 주석을 생성한다.
• 연구 및 임상 계획의 광범위한 채택을 가능하게 하기 위해 모델과 학습 데이터를 공개적으로 제공한다.

제안 방법

• 데이터세트에 자동 구성을 사용한 분할 백본으로 nnU-Net을 사용한다.
• Ground truth를 만들기 위해 반복적 정제를 통해 1204개의 CT 검사에 걸쳐 104개 구조를 주석화한다.
• 고해상도 및 저해상도 모델(1.5 mm 및 3 mm)을 각각 학습하고 Dice 및 NSD 지표로 평가한다.
• 상대적 성능을 평가하기 위해 BTCV 공개 모델과 비교한다.
• 학습된 모델을 4004개의 전신 CT 스캔으로 구성된 별도의 노화 데이터세트에 적용하여 연령 관련 변화를 연구한다.

실험 결과

연구 질문

• RQ1 다양한 CT 이미지에서 단일 모델이 104개의 해부학 구조를 정확히 분할할 수 있는가?
• RQ2 1.5 mm 해상도 모델과 3 mm 해상도 모델의 분할 정확도 및 경계 정밀도에 차이가 있는가?
• RQ3 모델이 외부 데이터셋(BTCV 등)과 대규모 다발손상 코호트의 노화 분석에 일반화되는가?

주요 결과

• 테스트 세트에서의 Dice 점수: 0.943 (95% CI 0.938–0.947).
• 3 mm 모델 Dice 점수: 0.840 (95% CI 0.836–0.844), NSD: 0.966 (95% CI 0.962–0.969).
• 우리의 1.5 mm 모델은 테스트 세트에서 BTCV-모델 기반 nnU-Net보다 우수한 성능을 보였다(Dice 0.932 vs 0.871; p<0.001).
• BTCV 데이터에서 우리의 1.5 mm 모델은 Dice 0.849 및 NSD 0.932를 달성했다.
• 노화 연구에서 다수 구조에 대해 연령과 부피/감쇠 간에 유의한 상관관계가 나타났다(예: 대동맥 부피 rs=0.64; p<0.001; 자생성 등측 등근의 감쇠 rs=−0.74; p<0.001).
• 모델은 공개적으로 이용 가능하며 사전 학습 가중치와 학습 데이터를 포함하고 있으며(TotalSegmentator) CPU에서 <12 GB RAM으로 실행 가능하다.