SPINEPS — Automatic Whole Spine Segmentation of T2-weighted MR images using a Two-Phase Approach to Multi-class Semantic and Instance Segmentation

要約

目的。
全身 T2w MRI における 14 の脊椎構造 (10 個の椎骨下部構造、椎間板、脊髄、脊柱管、仙骨) のセマンティックおよびインスタンス セグメンテーションのためのオープンソースの深層学習アプローチである SPINEPS を紹介します。
方法。
この HIPPA 準拠の後ろ向き研究では、公開されている SPIDER データセット (被験者 218 名、女性 63%) とドイツ全国コホートのサブセット (被験者 1423 名、平均年齢 53 歳、女性 49%) をトレーニングと評価に利用しました。
CT セグメンテーションと T2w セグメンテーションを組み合わせて、T2w 矢状スキャンで 14 の脊椎構造をセマンティックおよびインスタンスごとにセグメント化するモデルをトレーニングしました。
パフォーマンス評価指標には、ダイスの類似性係数、平均対称面距離、パノプティック品質、セグメンテーション品質、および認識品質が含まれます。
統計的有意性は、Wilcoxon 符号付き順位検定を使用して評価されました。
社内のデータセットを使用して、配布外のサンプルを定性的に評価しました。
結果。
公開データセットでは、私たちのアプローチはベースラインを上回りました (インスタンスごとの椎骨ダイス スコア 0.929 対 0.907、p 値 <0.001)。 自動生成されたアノテーションでのトレーニングと、GNC からの手動で修正されたテスト データでの評価により、椎骨では 0.900、椎間板では 0.960、脊柱管では 0.947 というグローバル サイコロ スコアが得られました。 トレーニング中に SPIDER データセットを組み込むと、これらのスコアがそれぞれ 0.920、0.967、0.958 に増加しました。 結論。 提案されたセグメンテーション アプローチは、脊髄、脊柱管、椎間板、終板、仙骨、椎骨を含む、T2w 矢状方向画像内の 14 個の脊椎構造の堅牢なセグメンテーションを提供します。 このアプローチでは、セマンティック マスクとインスタンス マスクの両方が出力として生成されるため、利用が容易になります。 これは、矢状方向 T2w MR イメージングにおける脊椎全体のセグメンテーションのための、初めて公開されたアルゴリズムです。

要約(オリジナル)

Purpose. To present SPINEPS, an open-source deep learning approach for semantic and instance segmentation of 14 spinal structures (ten vertebra substructures, intervertebral discs, spinal cord, spinal canal, and sacrum) in whole body T2w MRI. Methods. During this HIPPA-compliant, retrospective study, we utilized the public SPIDER dataset (218 subjects, 63% female) and a subset of the German National Cohort (1423 subjects, mean age 53, 49% female) for training and evaluation. We combined CT and T2w segmentations to train models that segment 14 spinal structures in T2w sagittal scans both semantically and instance-wise. Performance evaluation metrics included Dice similarity coefficient, average symmetrical surface distance, panoptic quality, segmentation quality, and recognition quality. Statistical significance was assessed using the Wilcoxon signed-rank test. An in-house dataset was used to qualitatively evaluate out-of-distribution samples. Results. On the public dataset, our approach outperformed the baseline (instance-wise vertebra dice score 0.929 vs. 0.907, p-value<0.001). Training on auto-generated annotations and evaluating on manually corrected test data from the GNC yielded global dice scores of 0.900 for vertebrae, 0.960 for intervertebral discs, and 0.947 for the spinal canal. Incorporating the SPIDER dataset during training increased these scores to 0.920, 0.967, 0.958, respectively. Conclusions. The proposed segmentation approach offers robust segmentation of 14 spinal structures in T2w sagittal images, including the spinal cord, spinal canal, intervertebral discs, endplate, sacrum, and vertebrae. The approach yields both a semantic and instance mask as output, thus being easy to utilize. This marks the first publicly available algorithm for whole spine segmentation in sagittal T2w MR imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google