[论文解读] The Brain Tumor Segmentation in Pediatrics (BraTS-PEDs) Challenge: Focus on Pediatrics (CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs)

Anahita Fathi Kazerooni, Nastaran Khalili+69 more|arXiv (Cornell University)|Apr 23, 2024

Chemical Reactions and Isotopes被引用 5

一句话总结

本论文描述 BraTS-PEDs 挑战，聚焦儿科脑肿瘤分割，详细说明数据、处理流程、注释工作流、评估与跨国际联盟的参与时间表。

ABSTRACT

Pediatric tumors of the central nervous system are the most common cause of cancer-related death in children. The five-year survival rate for high-grade gliomas in children is less than 20%. Due to their rarity, the diagnosis of these entities is often delayed, their treatment is mainly based on historic treatment concepts, and clinical trials require multi-institutional collaborations. Here we present the CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs challenge, focused on pediatric brain tumors with data acquired across multiple international consortia dedicated to pediatric neuro-oncology and clinical trials. The CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs challenge brings together clinicians and AI/imaging scientists to lead to faster development of automated segmentation techniques that could benefit clinical trials, and ultimately the care of children with brain tumors.

研究动机与目标

• 使用回顾性多机构 mpMRI 数据集对儿科脑肿瘤分割方法进行基准评估。
• 提供儿科肿瘤亚区的真实标签注释，以实现标准化评估。
• 促进临床医生与人工智能研究人员之间的协作，加速儿科神经肿瘤学自动分割工具的开发。

提出的方法

• 来自多个国际联盟（CBTN、CONNECT、DIPG Registry、ASNR）的数据聚合，形成464例儿科数据集。
• MRI 序列包括 T1、T1CE、T2 和 T2-FLAIR，且为未受治疗成像。
• 真实标签注释将肿瘤分成四个亚区：Enhancing Tumor (ET)、Nonenhancing Tumor (NET)、Cystic Component (CC) 和 Edema (ED)。
• 一款儿童自分割工具提供初步分割，经志愿神经放射学专家精炼并由主治神经放射科医生裁定。
• 预处理使用 BraTS Pipeline 与 CaPTk/FeTS 工具；为隐私对图像进行去识别化和匿名化。
• 评估聚焦于 ET、NC（ET/CC/坏死）和 Whole Tumor (WT)；提交以容器化形式在由 MedPerf 提供支持的 Synapse 平台上进行评估。

Figure 1 : Graphical representation of data processing and annotations in pediatric brain tumors. Top panel presents the processing pipeline, and the bottom panel illustrates the annotated tumor subregions along with mpMRI structural scans (T1, T1CE, T2, and T2-FLAIR). Tumor subregions include the e

实验结果

研究问题

• RQ1 多机构的儿科 mpMRI 数据是否支持对儿科脑肿瘤的鲁棒自动分割？
• RQ2 儿科肿瘤亚区（ET、NET、CC、ED）如何影响分割性能与治疗监测？
• RQ3 标准化预处理和专家验证的真实标签对跨机构可重复性有何影响？

主要发现

• 回顾性多机构数据集包含464例儿科高等级胶质瘤，用于 BraTS-PEDs。
• 数据集包括四个 mpMRI 序列（T1、T1CE、T2、T2-FLAIR）和四个肿瘤亚区作为注释。
• 自动分割由神经放射学专家进行精炼，随后由具备资质的神经放射科医生审核后公开发布。
• 挑战采用容器化提交，在未见测试数据上通过 Synapse/MedPerf 平台进行评估。
• 本研究概述了在儿童脑肿瘤自动分割中常见的错误，并提供评估指南。
• 该挑战设计促进可重复性并与先前 BraTS 迭代进行比较，数据通过 CaPTk/FeTS 流程进行处理。