Joint nnU-Net and Radiomics Approaches for Segmentation and Prognosis of Head and Neck Cancers with PET/CT images

要約

頭頸部がん (HNC) の腫瘍とリンパ節の自動セグメンテーションは、最適化された治療戦略と予後分析において重要な役割を果たします。
この研究は、多施設 HNC コホートで治療前の PET/CT 画像を使用して、自動セグメンテーションと無再発生存 (RFS) 予測のためのラジオミクスに nnU-Net を採用することを目的としています。
HECKTOR 2022 では、883 人の患者 (トレーニング用に 524 人の患者、テスト用に 359 人の患者) を含む多施設 HNC データセットが提供されました。拡張された中咽頭領域のバウンディング ボックスは、224 x 224 x 224 $mm^ の固定サイズで各患者に対して取得されました。
{3}$。
次に、3D nnU-Net アーキテクチャを採用して、原発腫瘍とリンパ節を同期的に自動的にセグメンテーションしました。
3 つの予後モデルは、従来の機能と radiomics 機能のみ、および多変量 CoxPH モデリングによるそれらの組み合わせを含むように構築されました。
統計的調和法である ComBat は、多施設の変動を減らすために調査されました。
サイコロ スコアと C インデックスは、それぞれセグメンテーションと予後タスクの評価指標として使用されました。
セグメンテーション タスクでは、3D nnU-Net により、原発腫瘍とリンパ節の平均サイコロ スコアが約 0.701 になりました。
予後タスクの場合、従来のモデルとラジオミクス モデルでは、テスト セットでそれぞれ 0.658 と 0.645 の C インデックスが得られましたが、組み合わせたモデルでは 0.648 の C インデックスで予後パフォーマンスは改善されませんでした。

要約(オリジナル)

Automatic segmentation of head and neck cancer (HNC) tumors and lymph nodes plays a crucial role in the optimization treatment strategy and prognosis analysis. This study aims to employ nnU-Net for automatic segmentation and radiomics for recurrence-free survival (RFS) prediction using pretreatment PET/CT images in multi-center HNC cohort. A multi-center HNC dataset with 883 patients (524 patients for training, 359 for testing) was provided in HECKTOR 2022. A bounding box of the extended oropharyngeal region was retrieved for each patient with fixed size of 224 x 224 x 224 $mm^{3}$. Then 3D nnU-Net architecture was adopted to automatic segmentation of primary tumor and lymph nodes synchronously.Based on predicted segmentation, ten conventional features and 346 standardized radiomics features were extracted for each patient. Three prognostic models were constructed containing conventional and radiomics features alone, and their combinations by multivariate CoxPH modelling. The statistical harmonization method, ComBat, was explored towards reducing multicenter variations. Dice score and C-index were used as evaluation metrics for segmentation and prognosis task, respectively. For segmentation task, we achieved mean dice score around 0.701 for primary tumor and lymph nodes by 3D nnU-Net. For prognostic task, conventional and radiomics models obtained the C-index of 0.658 and 0.645 in the test set, respectively, while the combined model did not improve the prognostic performance with the C-index of 0.648.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google