Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge

要約

肋骨骨折は一般的で重篤な損傷となる可能性のある傷害であり、CT スキャンで検出するのは困難で労力がかかる場合があります。
この分野に取り組む取り組みはこれまでにも行われてきましたが、大規模な注釈付きデータセットや評価ベンチマークが不足しているため、深層学習アルゴリズムの開発と検証が妨げられてきました。
この問題に対処するために、RibFrac チャレンジが導入されました。これは、660 の CT スキャンからの 5,000 以上の肋骨骨折のベンチマーク データセットを提供し、ボクセル レベルのインスタンス マスク アノテーションと 4 つの臨床カテゴリ (バックル、非変位、変位、または分節) の診断ラベルを提供します。
このチャレンジには、FROC スタイルのメトリクスによって評価される検出 (インスタンス セグメンテーション) トラックと、F1 スタイルのメトリクスによって評価される分類トラックの 2 つのトラックが含まれています。
MICCAI 2020 チャレンジ期間中、243 件の結果が評価され、7 チームがチャレンジ概要への参加に招待されました。
分析の結果、いくつかのトップの肋骨骨折検出ソリューションが人間の専門家と同等か、それ以上のパフォーマンスを達成していることが明らかになりました。
それにもかかわらず、現在の肋骨骨折の分類ソリューションは臨床的にはほとんど適用できず、将来的には興味深い分野になる可能性があります。
アクティブなベンチマークおよび研究リソースとして、RibFrac チャレンジのデータとオンライン評価はチャレンジ Web サイトで入手できます。
独立した貢献として、大規模な事前学習済みネットワークとポイントベースの肋骨セグメンテーション技術における最近の進歩を組み込むことにより、以前の内部ベースラインも拡張しました。
結果として得られた FracNet+ は、肋骨骨折検出において競争力のあるパフォーマンスを実証し、AI 支援による肋骨骨折検出および診断におけるさらなる研究開発の基盤を築きます。

要約(オリジナル)

Rib fractures are a common and potentially severe injury that can be challenging and labor-intensive to detect in CT scans. While there have been efforts to address this field, the lack of large-scale annotated datasets and evaluation benchmarks has hindered the development and validation of deep learning algorithms. To address this issue, the RibFrac Challenge was introduced, providing a benchmark dataset of over 5,000 rib fractures from 660 CT scans, with voxel-level instance mask annotations and diagnosis labels for four clinical categories (buckle, nondisplaced, displaced, or segmental). The challenge includes two tracks: a detection (instance segmentation) track evaluated by an FROC-style metric and a classification track evaluated by an F1-style metric. During the MICCAI 2020 challenge period, 243 results were evaluated, and seven teams were invited to participate in the challenge summary. The analysis revealed that several top rib fracture detection solutions achieved performance comparable or even better than human experts. Nevertheless, the current rib fracture classification solutions are hardly clinically applicable, which can be an interesting area in the future. As an active benchmark and research resource, the data and online evaluation of the RibFrac Challenge are available at the challenge website. As an independent contribution, we have also extended our previous internal baseline by incorporating recent advancements in large-scale pretrained networks and point-based rib segmentation techniques. The resulting FracNet+ demonstrates competitive performance in rib fracture detection, which lays a foundation for further research and development in AI-assisted rib fracture detection and diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google