Deformable MRI Sequence Registration for AI-based Prostate Cancer Diagnosis

要約

PI-CAI (Prostate Imaging: Cancer AI) への挑戦により、臨床的に重要な前立腺がんを検出するための専門家レベルの診断アルゴリズムが誕生しました。
このアルゴリズムは、T2 強調スキャンと拡散強調スキャンで構成されるバイパラメトリック MRI スキャンを入力として受け取ります。
これらのスキャンは、スキャン プロセスにおける複数の要因により位置がずれる可能性があります。
画像レジストレーションは、シーケンス間の変形を予測することでこの問題を軽減できます。
AIによる前立腺がん診断の診断性能に対する画像登録の影響を調査します。
まず、MeVisLab で開発された画像位置合わせアルゴリズムが、ペアの病変アノテーションを含むデータセットを使用して分析されます。
次に、元のデータセット、厳密に位置合わせされた拡散強調スキャン、または変形可能に位置合わせされた拡散強調スキャンの使用間で症例レベルのがん診断パフォーマンスを比較することによって、診断に対する効果が評価されます。
厳密な位置合わせでは改善が見られませんでした。
変形可能なレジストレーションにより、病変の重複が大幅に改善され (Dice スコア中央値 +10%)、診断性能が陽性だが有意ではない改善が示されました (AUROC +0.3%、p=0.18)。
私たちの調査では、病変の位置合わせの大幅な改善が診断性能の大幅な改善に直接つながるわけではないことが示されています。
定性分析により、画像登録方法と診断 AI アルゴリズムを共同開発することで、診断精度と患者転帰を向上できることが示されました。

要約(オリジナル)

The PI-CAI (Prostate Imaging: Cancer AI) challenge led to expert-level diagnostic algorithms for clinically significant prostate cancer detection. The algorithms receive biparametric MRI scans as input, which consist of T2-weighted and diffusion-weighted scans. These scans can be misaligned due to multiple factors in the scanning process. Image registration can alleviate this issue by predicting the deformation between the sequences. We investigate the effect of image registration on the diagnostic performance of AI-based prostate cancer diagnosis. First, the image registration algorithm, developed in MeVisLab, is analyzed using a dataset with paired lesion annotations. Second, the effect on diagnosis is evaluated by comparing case-level cancer diagnosis performance between using the original dataset, rigidly aligned diffusion-weighted scans, or deformably aligned diffusion-weighted scans. Rigid registration showed no improvement. Deformable registration demonstrated a substantial improvement in lesion overlap (+10% median Dice score) and a positive yet non-significant improvement in diagnostic performance (+0.3% AUROC, p=0.18). Our investigation shows that a substantial improvement in lesion alignment does not directly lead to a significant improvement in diagnostic performance. Qualitative analysis indicated that jointly developing image registration methods and diagnostic AI algorithms could enhance diagnostic accuracy and patient outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google