[论文解读] The KiTS19 Challenge Data: 300 Kidney Tumor Cases with Clinical Context, CT Semantic Segmentations, and Surgical Outcomes

Nicholas Heller, Niranjan Sathianathen+18 more|arXiv (Cornell University)|Mar 31, 2019

Renal cell carcinoma treatment参考文献 19被引用 328

一句话总结

KiTS19 数据集发布了 300 例带注释的肾肿瘤 CT 病例及临床数据和手术结果，以促进肾部解剖研究与语义分割开发，其中 210 公开案例、90 私有案例用于评估。

ABSTRACT

The morphometry of a kidney tumor revealed by contrast-enhanced Computed Tomography (CT) imaging is an important factor in clinical decision making surrounding the lesion's diagnosis and treatment. Quantitative study of the relationship between kidney tumor morphology and clinical outcomes is difficult due to data scarcity and the laborious nature of manually quantifying imaging predictors. Automatic semantic segmentation of kidneys and kidney tumors is a promising tool towards automatically quantifying a wide array of morphometric features, but no sizeable annotated dataset is currently available to train models for this task. We present the KiTS19 challenge dataset: A collection of multi-phase CT imaging, segmentation masks, and comprehensive clinical outcomes for 300 patients who underwent nephrectomy for kidney tumors at our center between 2010 and 2018. 210 (70%) of these patients were selected at random as the training set for the 2019 MICCAI KiTS Kidney Tumor Segmentation Challenge and have been released publicly. With the presence of clinical context and surgical outcomes, this data can serve not only for benchmarking semantic segmentation models, but also for developing and studying biomarkers which make use of the imaging and semantic segmentation masks.

研究动机与目标

• 提供一个大规模、高保真度的肾脏肿瘤 CT 图像数据集，具备语义分割和丰富的临床/结局上下文。
• 促进开发超越简单大小/位置指标的新肾解剖特征。
• 大规模促进肾肿瘤自动语义分割系统的训练。
• 评估标注质量和数据集可靠性，以支持后续研究和基准测试。

提出的方法

• 2010–2018 年回顾性数据收集，对象为接受部分或根治性肾切除术的患者。
• 使用基于网络的标注工具，在后期动脉期 CT 序列上手动界定肾脏和肿瘤边界。
• 阈值化和肾门填充以定义标记区域并处理肾门内结构。
• 外插生成未标注切片的分割轮廓，随后计算肾脏、肿瘤和背景标签的真值。
• 质量保证包括对病历数据的双重审查及放射学一致性成像注释。

实验结果

研究问题

• RQ1 语义分割和更丰富形态特征如何提升肾肿瘤的预后和治疗规划？
• RQ2 拥有临床背景的大规模带标签的 CT 数据集是否能够支持强健的基于学习的分割系统和新颖的肾解剖指标？
• RQ3 用于创建真值分割的手动标注的可靠性和观察者间一致性如何？
• RQ4 形态学派生特征与肾肿瘤的手术结果和病理学的相关性如何？

主要发现

• 数据集包含 300 名患者，具备术前 CT 成像以及标注的肾脏和肿瘤分割。
• 手动标注可靠性显示高度一致性，在 30 例自洽性检查中，Kidney+Tumor Dice 为 0.983，Tumor Only Dice 为 0.923。
• 208 例公开发布，90 例私有用于客观评估，便于外部基准测试。
• 真值生成包含肾门纳入和基于阈值的分割，以处理复杂的肾门内结构。
• 暂时的质量保证包括放射学一致性评审和对标注的迭代纠正。