Mask the Unknown: Assessing Different Strategies to Handle Weak Annotations in the MICCAI2023 Mediastinal Lymph Node Quantification Challenge

要約

病理学的リンパ節の描写は、がんの診断、進行評価、治療計画において重要です。
MICCAI 2023 リンパ節定量化チャレンジでは、縦隔の病理学的リンパ節セグメンテーションに関する初の公開データセットが公開されました。
リンパ節の注釈は高価であるため、この課題は弱い教師あり学習タスクとして作成され、トレーニング セット内のすべてのリンパ節のサブセットのみに注釈が付けられました。
チャレンジの提出では、ノイズの多いラベル トレーニング、ラベルのないデータの損失マスキング、未知のデータの数を減らすための擬似ラベル付けの形式として TotalSegmentator ツールボックスを統合するアプローチなど、これらの弱く監視されたデータをトレーニングするための複数の方法が検討されました。
ボクセル。
さらに、深層学習モデルのパフォーマンスを向上させるために、複数の公開 TCIA データセットがトレーニングに組み込まれました。
私たちが提出したモデルは、チャレンジ テスト セットで 0.628 の Dice スコアと 5.8 mm の平均対称面距離を達成しました。
提出したモデルにより、MICCAI2023 LNQ チャレンジで 3 位を獲得しました。
私たちの分析の結果は、非病理学的リンパ節を含むすべての目に見えるリンパ節の統合により、テストセットの病理学的リンパ節に対する全体的なセグメンテーションパフォーマンスが向上したということでした。
さらに、チャレンジシナリオで与えられたように、臨床的に肥大したリンパ節のみでトレーニングされたセグメンテーションモデルは、より小さな病理学的リンパ節には一般化できませんでした。
チャレンジ送信用のコードとモデルは、\url{https://gitlab.lrz.de/compai/MediastinalLymphNodeSegmentation} で入手できます。

要約(オリジナル)

Pathological lymph node delineation is crucial in cancer diagnosis, progression assessment, and treatment planning. The MICCAI 2023 Lymph Node Quantification Challenge published the first public dataset for pathological lymph node segmentation in the mediastinum. As lymph node annotations are expensive, the challenge was formed as a weakly supervised learning task, where only a subset of all lymph nodes in the training set have been annotated. For the challenge submission, multiple methods for training on these weakly supervised data were explored, including noisy label training, loss masking of unlabeled data, and an approach that integrated the TotalSegmentator toolbox as a form of pseudo labeling in order to reduce the number of unknown voxels. Furthermore, multiple public TCIA datasets were incorporated into the training to improve the performance of the deep learning model. Our submitted model achieved a Dice score of 0.628 and an average symmetric surface distance of 5.8~mm on the challenge test set. With our submitted model, we accomplished third rank in the MICCAI2023 LNQ challenge. A finding of our analysis was that the integration of all visible, including non-pathological, lymph nodes improved the overall segmentation performance on pathological lymph nodes of the test set. Furthermore, segmentation models trained only on clinically enlarged lymph nodes, as given in the challenge scenario, could not generalize to smaller pathological lymph nodes. The code and model for the challenge submission are available at \url{https://gitlab.lrz.de/compai/MediastinalLymphNodeSegmentation}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google