[論文レビュー] RESECT-SEG: Open access annotations of intra-operative brain tumor ultrasound images

Bahareh Behboodi, Francois-Xavier Carton+7 more|arXiv (Cornell University)|Jul 13, 2022

Radiomics and Machine Learning in Medical Imaging被引用数 7

ひとこと要約

本論文は、RESECTデータベースに由来する脳腫瘍組織および切除腔の術中超音波（iUS）画像における専門家がアノテートした3次元セグメンテーションマスクを含む、公開可能なRESECT-SEGというデータセットを紹介する。このデータセットは2名の神経外 scientistsによって検証され、神経外科学研究における画像ガイダンスのためのディープラーニングおよび画像登録アルゴリズムの厳密な評価と訓練を可能にし、高品質なアノテート済みiUSデータの深刻な不足に対処する。

ABSTRACT

Purpose: Registration and segmentation of magnetic resonance (MR) and ultrasound (US) images play an essential role in surgical planning and resection of brain tumors. However, validating these techniques is challenging due to the scarcity of publicly accessible sources with high-quality ground truth information. To this end, we propose a unique annotation dataset of tumor tissues and resection cavities from the previously published RESECT dataset (Xiao et al. 2017) to encourage a more rigorous assessments of image processing techniques. Acquisition and validation methods: The RESECT database consists of MR and intraoperative US (iUS) images of 23 patients who underwent resection surgeries. The proposed dataset contains tumor tissues and resection cavity annotations of the iUS images. The quality of annotations were validated by two highly experienced neurosurgeons through several assessment criteria. Data format and availability: Annotations of tumor tissues and resection cavities are provided in 3D NIFTI formats. Both sets of annotations are accessible online in the \url{https://osf.io/6y4db}. Discussion and potential applications: The proposed database includes tumor tissue and resection cavity annotations from real-world clinical ultrasound brain images to evaluate segmentation and registration methods. These labels could also be used to train deep learning approaches. Eventually, this dataset should further improve the quality of image guidance in neurosurgery.

研究の動機と目的

• 脳腫瘍セグメンテーションおよび登録のための、公開可能で高品質なアノテート済み術中超音波（iUS）画像の不足を解消すること。
• 23例の低悪性度グリオーマ患者のiUS画像における腫瘍組織および切除腔の専門家が検証済みのセグメンテーションマスクを提供すること。
• 神経外科学研究における画像ガイダンスのためのディープラーニングおよび画像登録アルゴリズムの開発、ベンチマーク、妥当性検証を支援すること。
• 実臨床のiUSデータを用いた、セグメンテーションおよび登録技術の標準化された評価を可能にすること。
• オープンデータ共有を通じて、コンピュータ支援神経外科学研究の再現可能性を高め、イノベーションを加速すること。

提案手法

• 本データセットは、RESECTデータベースに収録された23名の患者のiUSスキャンから得られた、腫瘍組織および切除腔の3次元NIFTIフォーマットのセグメンテーションマスクを含む。
• アノテーションは、高い評価者間信頼性と臨床的妥当性を確保するための標準化された基準に従って経験豊富な神経外 scientists が作成した。
• iUSスキャンは、腫瘍切除の前、中、後という3つの手術段階で取得され、それぞれの段階に対応するアノテーションが付与された。
• データセットは、https://osf.io/6y4db にOpen Science Framework（OSF）にホスティングされており、オープンかつ非営利利用を目的としたCC BY-NC-SA 4.0ライセンスで提供されている。
• アノテーションは元のiUS画像シーケンスと整合させ、手術タイミングに従ってラベル付けされることで一貫性が確保されている。
• 空間的に正確で臨床的に検証済みのラベルを提供することにより、本データセットはマルチインスタンスセグメンテーションおよび登録タスクを支援する。

実験結果

リサーチクエスチョン

• RQ1 専門家がアノテートしたiUSセグメンテーションマスクは、脳腫瘍セグメンテーションのためのディープラーニングモデルのベンチマークおよび妥当性検証を向上させることができるか？
• RQ2 切除腔のアノテーションが神経外科学研究ナビゲーションにおける画像登録の精度をどのように向上させるか？
• RQ3 オープンアクセスで高品質なiUSアノテーションが、コンピュータ支援神経外科学研究システムの開発をどの程度加速できるか？
• RQ4 切除前・中・後の多段階アノテーションが、動的外科画像解析アルゴリズムの学習および評価にどのような影響を及えるか？
• RQ5 標準化された公開可能なアノテーションは、医療画像解析研究におけるばらつきを低減し、再現性を向上させるのにどの程度寄与するか？

主な発見

• RESECT-SEGデータセットは、術中超音波画像における脳腫瘍組織および切除腔の両方について、公開可能で専門家が検証済みの3次元セグメンテーションマスクを提供する最初のものである。
• 本データセットには、腫瘍切除の前、中、後という3段階の手術タイミングで取得されたiUSスキャンが含まれており、23例の低悪性度グリオーマ患者のデータが含まれる。
• すべてのアノテーションは、事前に定義された臨床的基準に従って2名の経験豊富な神経外 scientists によって検証されており、高い信頼性と臨床的妥当性が保証されている。
• 本データセットは、https://osf.io/6y4db でCC BY-NC-SA 4.0ライセンスのもとで自由に利用可能であり、研究および臨床応用に広く活用可能である。
• 本データセットの提供により、マルチインスタンスセグメンテーションおよび登録ベースの脳シフト補正のためのディープラーニングモデルの学習および評価が可能になる。
• 本データセットは、従来公に利用できなかった実臨床のアノテート済みiUSデータを提供することで、神経外科学研究における画像診断分野における重要な空白を埋めている。