Autopet III challenge: Incorporating anatomical knowledge into nnUNet for lesion segmentation in PET/CT

要約

PET/CT イメージングにおける病変のセグメンテーションは、腫瘍の正確な特性評価に不可欠であり、これにより個別の治療計画がサポートされ、腫瘍学の診断精度が向上します。
ただし、病変を手動で正確にセグメンテーションするには時間がかかり、観察者間でばらつきが生じやすいです。
PET/CT の需要と臨床使用の増加を考慮すると、自動セグメンテーション手法、特に深層学習ベースのアプローチの関連性がますます高まっています。
autoPET III チャレンジは、マルチトレーサー多施設設定における PET/CT 画像内の腫瘍病変の自動セグメンテーションの進歩に焦点を当てており、定量的で堅牢かつ一般化可能なソリューションに対する臨床ニーズに対応します。
これまでの課題に基づいて、autoPET 課題の 3 回目の反復では、2 つの臨床センターからの 2 つの異なるトレーサー (FDG と PSMA) を特徴とする、より多様なデータセットが導入されました。
この点で、PET スキャンの最大強度投影に基づいて、特定の PET/CT のトレーサーを識別する分類器を開発しました。
モデルのパフォーマンスを向上させるために、解剖学的ラベルがマルチラベル タスクとして含まれるトレーサーごとに 2 つの個別の nnUNet アンサンブルをトレーニングしました。
私たちの最終提出では、公開されている FDG データセットと PSMA データセットに対して、それぞれ 76.90% と 61.33% の相互検証 Dice スコアを達成しました。
コードは https://github.com/hakal104/autoPETIII/ で入手できます。

要約(オリジナル)

Lesion segmentation in PET/CT imaging is essential for precise tumor characterization, which supports personalized treatment planning and enhances diagnostic precision in oncology. However, accurate manual segmentation of lesions is time-consuming and prone to inter-observer variability. Given the rising demand and clinical use of PET/CT, automated segmentation methods, particularly deep-learning-based approaches, have become increasingly more relevant. The autoPET III Challenge focuses on advancing automated segmentation of tumor lesions in PET/CT images in a multitracer multicenter setting, addressing the clinical need for quantitative, robust, and generalizable solutions. Building on previous challenges, the third iteration of the autoPET challenge introduces a more diverse dataset featuring two different tracers (FDG and PSMA) from two clinical centers. To this extent, we developed a classifier that identifies the tracer of the given PET/CT based on the Maximum Intensity Projection of the PET scan. We trained two individual nnUNet-ensembles for each tracer where anatomical labels are included as a multi-label task to enhance the model’s performance. Our final submission achieves cross-validation Dice scores of 76.90% and 61.33% for the publicly available FDG and PSMA datasets, respectively. The code is available at https://github.com/hakal104/autoPETIII/ .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google