OncoReg: Medical Image Registration for Oncological Challenges

要約

現代の癌研究では、患者のプライバシーに関連する課題により、生成された膨大な量の医療データがしばしば十分に活用されていません。
Oncoreg Challengeは、研究者がより一般化可能なAIモデルの開発を促進しながら患者のプライバシーを保証する2フェーズフレームワークを通じて画像登録方法を開発および検証できるようにすることにより、この問題に対処します。
フェーズ1には、公開されているデータセットを使用して作業し、フェーズ2では、安全な病院ネットワーク内のプライベートデータセットでのトレーニングモデルに焦点を当てています。
Oncoregは、介入コーンビームコンピューター断層撮影（CBCT）の標準計画ファンビームCT（FBCT）画像の登録を放射線療法に組み込むことにより、Learn2reg Challengeによって確立された基盤の上に構築されます。
正確な画像登録は、特に腫瘍を効果的に標的としながら健康な組織への放射線被曝を最小限に抑えるために正確なアライメントが必要な画像誘導放射線療法の動的な治療調整のために、腫瘍学において重要です。
この作業は、Oncoreg Challengeの背後にある方法論とデータの詳細を説明し、競争エントリと結果の包括的な分析を提供します。
調査結果は、特徴抽出がこの登録タスクで極めて重要な役割を果たすことを明らかにしています。
この課題から生まれた新しい方法はその汎用性を実証しましたが、確立されたアプローチは引き続き新しいテクニックと同等に機能し続けています。
深い学習と古典的なアプローチの両方が、画像登録において依然として重要な役割を果たしており、特に特徴抽出における方法の組み合わせが最も効果的であることが証明されています。

要約(オリジナル)

In modern cancer research, the vast volume of medical data generated is often underutilised due to challenges related to patient privacy. The OncoReg Challenge addresses this issue by enabling researchers to develop and validate image registration methods through a two-phase framework that ensures patient privacy while fostering the development of more generalisable AI models. Phase one involves working with a publicly available dataset, while phase two focuses on training models on a private dataset within secure hospital networks. OncoReg builds upon the foundation established by the Learn2Reg Challenge by incorporating the registration of interventional cone-beam computed tomography (CBCT) with standard planning fan-beam CT (FBCT) images in radiotherapy. Accurate image registration is crucial in oncology, particularly for dynamic treatment adjustments in image-guided radiotherapy, where precise alignment is necessary to minimise radiation exposure to healthy tissues while effectively targeting tumours. This work details the methodology and data behind the OncoReg Challenge and provides a comprehensive analysis of the competition entries and results. Findings reveal that feature extraction plays a pivotal role in this registration task. A new method emerging from this challenge demonstrated its versatility, while established approaches continue to perform comparably to newer techniques. Both deep learning and classical approaches still play significant roles in image registration, with the combination of methods – particularly in feature extraction – proving most effective.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google