[論文レビュー] Head and Neck Tumor Segmentation from [18F]F-FDG PET/CT Images Based on 3D Diffusion Model

Yafei Dong, Kuang Gong|arXiv (Cornell University)|Jan 31, 2024

Radiomics and Machine Learning in Medical Imaging被引用数 1

ひとこと要約

本論文では、頭頸部腫瘍のセグメンテーションを向上させるために、3D [18F]F-FDG PETおよびCT画像を併用した3D拡散モデルを提案する。PET、CT、およびガウスノイズのボリュームを連結して入力とする3D U-Netアーキテクチャを用いてノイズ除去を行うモデルは、平均Diceスコア0.739を達成し、2D拡散モデル（0.669）および単一モodalティの手法（平均Dice < 0.570）を上回り、マルチモodalな3D医療画像セグメンテーションにおいて優れた正確性と頑健性を示している。

ABSTRACT

Head and neck (H&N) cancers are among the most prevalent types of cancer worldwide, and [18F]F-FDG PET/CT is widely used for H&N cancer management. Recently, the diffusion model has demonstrated remarkable performance in various image-generation tasks. In this work, we proposed a 3D diffusion model to accurately perform H&N tumor segmentation from 3D PET and CT volumes. The 3D diffusion model was developed considering the 3D nature of PET and CT images acquired. During the reverse process, the model utilized a 3D UNet structure and took the concatenation of PET, CT, and Gaussian noise volumes as the network input to generate the tumor mask. Experiments based on the HECKTOR challenge dataset were conducted to evaluate the effectiveness of the proposed diffusion model. Several state-of-the-art techniques based on U-Net and Transformer structures were adopted as the reference methods. Benefits of employing both PET and CT as the network input as well as further extending the diffusion model from 2D to 3D were investigated based on various quantitative metrics and the uncertainty maps generated. Results showed that the proposed 3D diffusion model could generate more accurate segmentation results compared with other methods. Compared to the diffusion model in 2D format, the proposed 3D model yielded superior results. Our experiments also highlighted the advantage of utilizing dual-modality PET and CT data over only single-modality data for H&N tumor segmentation.

研究の動機と目的

• 頭頸部腫瘍の[18F]F-FDG PET/CT画像からの正確な自動セグメンテーションを目的とした3D拡散モデルの開発。
• PETおよびCTモダリティを併用することで、相補的な診断的情報を活用し、腫瘍セグメンテーションの利点を評価すること。
• ボリューム医療画像データのモデリングにおいて、3D演算が2D演算を上回る性能向上の程度を調査すること。
• マルチモダリティ入力が予測の不確実性を低減し、セグメンテーションの信頼性を向上させる影響を評価すること。
• 頭頸部がんを越えた他の医療画像セグメンテーションタスクへの3D拡散モデルの応用基盤を確立すること。

提案手法

• 逆方向のノイズ除去プロセスを有する3D拡散モデルを設計し、ノイズ除去ネットワークとして3D U-Netを採用した。
• 推論時におけるネットワークの入力は、各逆方向ステップで3D PET、CT、およびガウスノイズボリュームの連結であった。
• モデルは、5か国からの5か所の施設からなる224例の口咽頭がん症例を含むHECKTOR 2021データセットで学習した。
• 逆プロセスは1000ステップにわたり繰り返しノイズ除去を実行し、ノイズから腫瘍セグメンテーションマスクを再構築した。
• 標準指標（Dice、ハウスドルフ距離、感度）を用いた定量的評価を行い、U-Netおよびトランスフォーマー基準手法と比較した。
• 不確実性は、1つの入力に対して複数回の予測を生成することで定量化され、確率的特性とモデルの信頼性の分析が可能になった。

実験結果

リサーチクエスチョン

• RQ1 3D拡散モデルは、PET/CT画像からの頭頸部腫瘍セグメンテーションにおいて、2D拡散モデルを上回る性能を示すか？
• RQ2 PETおよびCTモダリティの統合は、単一モダリティ入力と比較して、セグメンテーションの正確性を向上させるか？
• RQ3 3Dボリュームモデリングを用いることで、2Dアプローチと比較して特徴抽出の学習およびセグメンテーション性能がどのように向上するか？
• RQ4 マルチモダリティ入力は、腫瘍セグメンテーション予測の不確実性をどの程度低減するか？
• RQ5 3D拡散フレームワークは、頭頸部がんを越えた他の解剖的領域および腫瘍タイプへ一般化可能か？

主な発見

• 提案された3D拡散モデルは、平均Diceスコア0.739を達成し、他の最先端手法（0.726未満）を顕著に上回った。
• 3D拡散モデルは平均Dice 0.739を達成したが、2Dバージョンは0.669であったため、3Dボリュームモデリングの利点が明確に示された。
• PETまたはCTの単一モダリティによるセグメンテーションでは、平均Diceスコアが0.570未満にとどまり、マルチモダリティ統合の利点が顕著に示された。
• PETおよびCTの両方の入力を用いることで、予測の不確実性が低減したことが、複数回の前方パスにおける分散の低さから裏付けられた。
• モデルの推論時間は、RTX 8000 GPU上での1症例あたり約14.7分であり、優れた性能を発揮しているが、高い計算コストを伴うことが明らかになった。
• 本研究は、このタスクにおいて、従来のU-Netおよびトランスフォーマー基準手法よりも、より正確で信頼性の高い腫瘍セグメンテーションマスクを生成できると確認した。