[論文レビュー] Analysis of the 2024 BraTS Meningioma Radiotherapy Planning Automated Segmentation Challenge

Dominic LaBella, Abramova, Valeriia+103 more|arXiv (Cornell University)|May 28, 2024

Brain Tumor Detection and Classification被引用数 4

ひとこと要約

本論文は、放射線治療計画用に脳MRIにおける脳膜腫瘍の標的体積を自動的にセグメンテーションするための、大規模かつ多施設にまたがる2024年BraTS-MEN-RTチャレンジを提示する。単一のネイティブ解像度T1強化シーケンスと専門家がアノテートした輪郭を用いることで、臨床的に有用なオープンソースのモデルを構築可能となり、アノテーション時間の短縮と治療計画の一貫性の向上が可能となる。

ABSTRACT

The 2024 Brain Tumor Segmentation Meningioma Radiotherapy (BraTS-MEN-RT) challenge aimed to advance automated segmentation algorithms using the largest known multi-institutional dataset of 750 radiotherapy planning brain MRIs with expert-annotated target labels for patients with intact or postoperative meningioma that underwent either conventional external beam radiotherapy or stereotactic radiosurgery. Each case included a defaced 3D post-contrast T1-weighted radiotherapy planning MRI in its native acquisition space, accompanied by a single-label "target volume" representing the gross tumor volume (GTV) and any at-risk post-operative site. Target volume annotations adhered to established radiotherapy planning protocols, ensuring consistency across cases and institutions, and were approved by expert neuroradiologists and radiation oncologists. Six participating teams developed, containerized, and evaluated automated segmentation models using this comprehensive dataset. Team rankings were assessed using a modified lesion-wise Dice Similarity Coefficient (DSC) and 95% Hausdorff Distance (95HD). The best reported average lesion-wise DSC and 95HD was 0.815 and 26.92 mm, respectively. BraTS-MEN-RT is expected to significantly advance automated radiotherapy planning by enabling precise tumor segmentation and facilitating tailored treatment, ultimately improving patient outcomes. We describe the design and results from the BraTS-MEN-RT challenge.

研究の動機と目的

• 自動セグメンテーションのための、専門家がアノテートした脳膜腫瘍の放射線治療計画用MR画像の、公開可能な最大規模のデータセットを構築すること。
• 臨床応用に向けた統合を促進する、強固で一般化可能なディープラーニングモデルの開発を加速すること。
• 1つのネイティブ解像度のT1強化MRIシーケンスに焦点を当てることで、モデルのデプロイメントを簡素化すること。
• 研究と臨床応用を支援するため、訓練済みモデルとデータを公開することでオープンサイエンスを推進すること。
• 今後のチャレンジの基盤を築くこと。具体的には、多様な脳腫瘍種類やマルチモodal画像（例：CT、PET）を対象とする。

提案手法

• セグメンテーションモデルの入力として、ネイティブ解像度の単一のT1強化脳MRIシーケンスが使用される。
• 参加者は、複数の施設から提供された専門家がアノテートした正解ラベルを用いて、脳膜腫瘍のグロス腫瘍体積（GTV）をセグメンテーションすることを任務とする。
• すべてのデータは、研究機関倫理委員会（IRB）の承認を経ており、同意書の取得が免除されている。
• データセットはSynapseにホスティングされ、チャレンジ期間中（2024年5月下旬から10月まで）に公開される予定である。
• モデルの評価には、Dice類似係数（DSC）やハウスドルフ距離といった標準的なセグメンテーション指標が用いられる。
• 多施設からのデータ収集を通じて、フェデレーテッドラーニングとモデルの一般化能を促進する。

Figure 1: Image panels depicting a case that utilizes a radiation planning Gamma Knife headframe. Panels A, B, and C depict an intact meningioma (red) in Meckel’s cave on T1c radiation planning axial, sagittal, and coronal images, respectively. Note that this challenge’s defacing technique preserves

実験結果

リサーチクエスチョン

• RQ1 1つのT1強化MRIシーケンスを用いた自動ディープラーニングモデルは、臨床的放射線治療計画において、脳膜腫瘍のグロス腫瘍体積を高精度にセグメンテーションできるか？
• RQ2 モデルのパフォーマンスと一般化能は、多様な施設や画像プロトコルの間でどのように変動するか？
• RQ3 オープンソースで多施設にまたがるデータセットは、臨床現場で利用可能なセグメンテーションツールの開発をどの程度向上できるか？
• RQ4 既存の放射線治療計画システムに自動セグメンテーションを統合するにあたり、主な技術的およびワークフロー上の課題は何か？
• RQ5 今後のチャレンジは、脳膜腫瘍にとどまらず、他の脳腫瘍種類やマルチモーダル画像（例：CT、PET）にどのように拡張できるか？

主な発見

• BraTS-MEN-RTチャレンジは、専門家がアノテートした脳膜腫瘍の放射線治療計画用MR画像の、知られている最大規模のデータセットを提供している。58の施設からデータが提供された。
• データセットにはネイティブ解像度のT1強化MRIシーケンスが含まれており、前処理を施さずに臨床ワークフローに直接統合可能である。
• チャレンジは、すべてのモデルとデータをSynapse上で公開することで、オープンサイエンスを推進している。
• このイニシャチブは、手作業によるアノテーション時間の短縮と、放射線治療計画における一貫性と再現性の向上を目的としている。
• 今後の取り組みの基盤を築くものであり、マルチモーダル画像（例：CT、PET）や、膠腫瘍や聴神経腫瘍などの多様な脳腫瘍種類を対象とする。
• モデルとデータのオープンリリースにより、臨床応用に向けた強固で一般化可能な自動セグメンテーションツールの開発が加速すると予想される。

Figure 2: Panels A, B, and C depict an extra-axial meningioma overlying the left frontal lobe in T1c radiotherapy planning axial, sagittal, and coronal views respectively. Note that these images contain “zipper” artifact as demonstrated by the streaking horizontal white lines seen in panels B and C,