Hunting imaging biomarkers in pulmonary fibrosis: Benchmarks of the AIIB23 challenge

要約

気道関連の定量的画像バイオマーカーは、肺疾患の検査、診断、予後にとって重要です。
しかし、気道樹の手動描写には依然として法外な時間がかかります。
気道モデリングの強化に向けて多大な努力が払われてきましたが、現在公開されているデータセットは、中程度の形態学的変動を伴う肺疾患に集中しています。
線維性肺疾患患者の肺組織に存在する複雑な蜂の巣パターンは課題を悪化させ、さまざまな予測誤差を引き起こすことがよくあります。
この問題に対処するために、「2023 年線維性肺疾患に対する気道情報に基づく定量的 CT 画像バイオマーカー」(AIIB23)コンペティションが、2023 年公式医療画像コンピューティングおよびコンピュータ支援介入に関する国際会議 (MICCAI) と連携して開催されました。
気道の構造には、3 人の経験豊富な放射線科医が細心の注意を払って注釈を付けました。
競合他社には、高い堅牢性と一般化能力を備えた自動気道セグメンテーション モデルを開発し、その後、最も相関のある死亡予測の QIB を探索することが奨励されました。
120 件の高解像度コンピュータ断層撮影 (HRCT) スキャンのトレーニング セットが、専門家の注釈と死亡率とともに公開されました。
オンライン検証セットには線維性肺疾患患者からの 52 件の HRCT スキャンが組み込まれ、オフライン テスト セットには線維症患者と COVID-19 患者からの 140 件が含まれていました。
結果は、線維性肺疾患患者から気道樹を抽出する能力が、ボクセルごとに重み付けされた一般結合損失および連続性損失を導入することによって強化できることを示した。
予後に関する競合画像バイオマーカーに加えて、既存の臨床測定、臨床医の評価、AI ベースのバイオマーカーと比較して、生存予後を予測する強力な気道由来バイオマーカー (ハザード比 > 1.5、p<0.0001) が明らかになりました。

要約(オリジナル)

Airway-related quantitative imaging biomarkers are crucial for examination, diagnosis, and prognosis in pulmonary diseases. However, the manual delineation of airway trees remains prohibitively time-consuming. While significant efforts have been made towards enhancing airway modelling, current public-available datasets concentrate on lung diseases with moderate morphological variations. The intricate honeycombing patterns present in the lung tissues of fibrotic lung disease patients exacerbate the challenges, often leading to various prediction errors. To address this issue, the ‘Airway-Informed Quantitative CT Imaging Biomarker for Fibrotic Lung Disease 2023’ (AIIB23) competition was organized in conjunction with the official 2023 International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI). The airway structures were meticulously annotated by three experienced radiologists. Competitors were encouraged to develop automatic airway segmentation models with high robustness and generalization abilities, followed by exploring the most correlated QIB of mortality prediction. A training set of 120 high-resolution computerised tomography (HRCT) scans were publicly released with expert annotations and mortality status. The online validation set incorporated 52 HRCT scans from patients with fibrotic lung disease and the offline test set included 140 cases from fibrosis and COVID-19 patients. The results have shown that the capacity of extracting airway trees from patients with fibrotic lung disease could be enhanced by introducing voxel-wise weighted general union loss and continuity loss. In addition to the competitive image biomarkers for prognosis, a strong airway-derived biomarker (Hazard ratio>1.5, p<0.0001) was revealed for survival prognostication compared with existing clinical measurements, clinician assessment and AI-based biomarkers.

arxiv情報

著者 Yang Nan,Xiaodan Xing,Shiyi Wang,Zeyu Tang,Federico N Felder,Sheng Zhang,Roberta Eufrasia Ledda,Xiaoliu Ding,Ruiqi Yu,Weiping Liu,Feng Shi,Tianyang Sun,Zehong Cao,Minghui Zhang,Yun Gu,Hanxiao Zhang,Jian Gao,Wen Tang,Pengxin Yu,Han Kang,Junqiang Chen,Xing Lu,Boyu Zhang,Michail Mamalakis,Francesco Prinzi,Gianluca Carlini,Lisa Cuneo,Abhirup Banerjee,Zhaohu Xing,Lei Zhu,Zacharia Mesbah,Dhruv Jain,Tsiry Mayet,Hongyu Yuan,Qing Lyu,Athol Wells,Simon LF Walsh,Guang Yang
発行日 2023-12-21 11:33:10+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, eess.IV パーマリンク