Automatic segmentation of Organs at Risk in Head and Neck cancer patients from CT and MRI scans

要約

背景と目的: 深層学習 (DL) は、危険臓器 (OAR) セグメンテーションのために広く研究されてきました。
しかし、ほとんどの研究は、CT または MRI のいずれか 1 つのモダリティに焦点を当てており、両方を同時に行うことはしていません。
この研究では、頭頸部 (H&N) がん患者の MRI および CT スキャンから 30 個の OAR をセグメンテーションするための高性能 DL パイプラインを紹介します。
材料と方法: 42 人の H&N がん患者からの CT および MRI-T1 画像のペアと、H&N OAR CT および MR セグメンテーション チャレンジ データセットからの 30 個の OAR の注釈を使用して、セグメンテーション パイプラインを開発しました。
無関係な領域をトリミングした後、CT および MRI ボリュームの剛体登録とそれに続く非剛体登録が実行されました。
軟組織と骨の解剖学的構造を表す 2 つのバージョンの CT ボリュームが MRI ボリュームとスタックされ、nnU-Net パイプラインへの入力として使用されました。
モダリティ ドロップアウトは、モデルにさまざまなモダリティから学習させるためにトレーニング中に使用されました。
セグメンテーション マスクは、14 人の新規患者の独立したセットのトレーニング済みモデルを使用して予測されました。
パイプラインを評価するために、これらの患者全体の各 OAR について平均ダイス スコア (DS) とハウスドルフ ディスタンス (HD) が計算されました。
結果: この結果、全体の平均 DS と HD はそれぞれ 0.777 +- 0.118 と 3.455 +- 1.679 となり、提出時点でこの課題の最先端 (SOTA) が確立されました。
結論: 提案されたパイプラインは、H&N OAR CT および MR セグメンテーションの課題のすべての参加者の間で最高の DS および HD を達成し、H&N OAR の自動セグメンテーションのための新しい SOTA を確立しました。

要約(オリジナル)

Background and purpose: Deep Learning (DL) has been widely explored for Organs at Risk (OARs) segmentation; however, most studies have focused on a single modality, either CT or MRI, not both simultaneously. This study presents a high-performing DL pipeline for segmentation of 30 OARs from MRI and CT scans of Head and Neck (H&N) cancer patients. Materials and methods: Paired CT and MRI-T1 images from 42 H&N cancer patients alongside annotation for 30 OARs from the H&N OAR CT & MR segmentation challenge dataset were used to develop a segmentation pipeline. After cropping irrelevant regions, rigid followed by non-rigid registration of CT and MRI volumes was performed. Two versions of the CT volume, representing soft tissues and bone anatomy, were stacked with the MRI volume and used as input to an nnU-Net pipeline. Modality Dropout was used during the training to force the model to learn from the different modalities. Segmentation masks were predicted with the trained model for an independent set of 14 new patients. The mean Dice Score (DS) and Hausdorff Distance (HD) were calculated for each OAR across these patients to evaluate the pipeline. Results: This resulted in an overall mean DS and HD of 0.777 +- 0.118 and 3.455 +- 1.679, respectively, establishing the state-of-the-art (SOTA) for this challenge at the time of submission. Conclusion: The proposed pipeline achieved the best DS and HD among all participants of the H&N OAR CT and MR segmentation challenge and sets a new SOTA for automated segmentation of H&N OARs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google