[논문 리뷰] The RSNA-ASNR-MICCAI BraTS 2021 Benchmark on Brain Tumor Segmentation and Radiogenomic Classification

Ujjwal Baid, Satyam Ghodasara외 101명|arXiv (Cornell University)|2021. 07. 05.

Radiomics and Machine Learning in Medical Imaging참고 문헌 24인용 수 88

한 줄 요약

BraTS 2021 벤치마크는 수술 전 mpMRI에서 2,040명의 환자에 대해 교모세포종 하위 영역 및 MGMT 프로모터 메틸화 상태를 분절 및 분류하는 것을 목표로 하며, Task 1 분절과 Task 2 방사유전체 분류를 통해 수행됩니다.

ABSTRACT

The BraTS 2021 challenge celebrates its 10th anniversary and is jointly organized by the Radiological Society of North America (RSNA), the American Society of Neuroradiology (ASNR), and the Medical Image Computing and Computer Assisted Interventions (MICCAI) society. Since its inception, BraTS has been focusing on being a common benchmarking venue for brain glioma segmentation algorithms, with well-curated multi-institutional multi-parametric magnetic resonance imaging (mpMRI) data. Gliomas are the most common primary malignancies of the central nervous system, with varying degrees of aggressiveness and prognosis. The RSNA-ASNR-MICCAI BraTS 2021 challenge targets the evaluation of computational algorithms assessing the same tumor compartmentalization, as well as the underlying tumor's molecular characterization, in pre-operative baseline mpMRI data from 2,040 patients. Specifically, the two tasks that BraTS 2021 focuses on are: a) the segmentation of the histologically distinct brain tumor sub-regions, and b) the classification of the tumor's O[6]-methylguanine-DNA methyltransferase (MGMT) promoter methylation status. The performance evaluation of all participating algorithms in BraTS 2021 will be conducted through the Sage Bionetworks Synapse platform (Task 1) and Kaggle (Task 2), concluding in distributing to the top ranked participants monetary awards of $60,000 collectively.

연구 동기 및 목표

• 뇌 교종 분절 및 MGMT 프로모터 메틸화 예측을 위한 표준화된 다기관 mpMRI 데이터 세트를 제공한다.
• 공정한 방법 간 비교가 가능하도록 견고한 주석 부여 및 전처리 파이프라인을 확립한다.
• 수술 전 MRI에서 최첨단 분절 방법과 방사유전체 분류 접근법을 평가한다.

제안 방법

• 다기관 mpMRI 데이터(T1, T1Gd, T2, T2-FLAIR)와 표준화된 전처리(DICOM→NIfTI, SRI24로의 공정 등록, 1 mm3 재샘플링, 두개골 제거).
• SNANN의 Ground-truth 종양 하위 영역 주석은 nnU-Net, DeepScan, DeepMedic의 STAPLE 융합을 통해 생성되고, 이후 전문가 신경방사선과가 정제한다.
• Task 1 평가는 Dice 유사도, Hausdorff 거리(95%), 민감도, 특이도를 ET, TC, WT 영역에 대해 수행한다.
• Task 2 MGMT 프로모터 메틸화 상태 예측은 AUC, 정확도, F1-점수, Matthews 상관계수로 평가한다.
• MGMT 라벨은 이진적 실측값으로 제공되며, 전처리 및 변환은 환자 공간 무결성을 유지하며, 데이터 처리는 공정한 순위를 위해 외부 데이터 사용을 제한한다.

실험 결과

연구 질문

• RQ1 다기관에서 자동화된 방법이 수술 전 mpMRI에서 교모세포종 하위 영역(ET, TC, WT)을 정확하게 분절할 수 있는가?
• RQ2 MGMT 프로모터 메틸화 상태를 방사유전체 기법으로 수술 전 mpMRI에서 예측할 수 있는가?
• RQ3 분절 및 방사유전체 분류 방법은 분포 외 테스트 코호트에 일반화되는가?
• RQ4 공정한 비교를 위한 전처리, 주석 부여 및 평가 프로토콜은 무엇인가?

주요 결과

• BraTS 2021 데이터세트는 다수의 기관에서 수집된 2,000개의 교모세포종 사례와 8,000개의 mpMRI 스캔으로 구성된다.
• 두 가지 작업이 정의된다: 종양 하위 영역 분절(ET, TC, WT)과 MGMT 프로모터 메틸화 분류.
• 정답 주석은 BraTS 최상위 방법들(nnU-Net, DeepScan, DeepMedic)의 STAPLE 융합으로 생성되며 신경방사선과 전문의에 의해 정제된다.
• 작업 1의 일반적 평가 지표로 Dice, 95번째 백분위 Hausdorff 거리, 민감도, 특이도가 사용된다.
• 작업 2의 평가는 MGMT 상태 예측을 위해 AUC, 정확도, F1-점수 및 Matthews 상관계수를 사용한다.
• 공개적으로 이용 가능한 전처리 파이프라인(CaPTk, FeTS)은 재현 가능한 데이터 처리 및 주석 작성을 지원한다.
• 참가자들의 방법은 일반화 가능성을 평가하기 위해 분포 외 데이터에서도 테스트된다.