Benchmarking the Reproducibility of Brain MRI Segmentation Across Scanners and Time

要約

構造MRIからの正確で再現可能な脳の形態計​​測は、時間とイメージングドメイン全体で神経解剖学的変化を監視するために重要です。
ディープラーニングはセグメンテーションワークフローを加速していますが、スキャナー誘発性の変動性と再現性の制限は、特に縦方向およびマルチサイトの設定に残っています。
この研究では、ニューロイメージングで最も広く採用されているツールの1つであるFreesurferに統合された2つの最新のセグメンテーションパイプライン、FastSurferとSynthsegをベンチマークします。
2つの補完的なデータセットを使用して、17年間の縦方向コホート（Simon）と9サイトのテスト再テストコホート（SRPBS） – ダイス係数、表面ダイス、HD95）、および平均絶対パーセンテージ誤差（MAPE）を使用して、スキャン間セグメンテーションの変動を定量化します。
我々の結果は、制御されたテストと再テスト条件下でさえ、扁桃体や腹側筋障害性症などの小さな皮質構造の最大7〜8％の体積変動を明らかにしています。
これは重要な疑問を提起します。ドメイン誘導の形態計測ノイズの大きさを考えると、エンドウ豆サイズの脳領域で5〜10％の範囲で微妙な縦方向の変化を検出することが可能ですか？
さらに、登録テンプレートと補間モードの効果を分析し、セグメンテーションの信頼性を向上させるために表面ベースの品質フィルタリングを提案します。
この研究は、形態計測の再現性の再現性のあるベンチマークを提供し、実際の神経画像研究における調和戦略の必要性を強調しています。
コードと図：https：//github.com/kondratevakate/brain-mri-segmentation

要約(オリジナル)

Accurate and reproducible brain morphometry from structural MRI is critical for monitoring neuroanatomical changes across time and across imaging domains. Although deep learning has accelerated segmentation workflows, scanner-induced variability and reproducibility limitations remain-especially in longitudinal and multi-site settings. In this study, we benchmark two modern segmentation pipelines, FastSurfer and SynthSeg, both integrated into FreeSurfer, one of the most widely adopted tools in neuroimaging. Using two complementary datasets – a 17-year longitudinal cohort (SIMON) and a 9-site test-retest cohort (SRPBS)-we quantify inter-scan segmentation variability using Dice coefficient, Surface Dice, Hausdorff Distance (HD95), and Mean Absolute Percentage Error (MAPE). Our results reveal up to 7-8% volume variation in small subcortical structures such as the amygdala and ventral diencephalon, even under controlled test-retest conditions. This raises a key question: is it feasible to detect subtle longitudinal changes on the order of 5-10% in pea-sized brain regions, given the magnitude of domain-induced morphometric noise? We further analyze the effects of registration templates and interpolation modes, and propose surface-based quality filtering to improve segmentation reliability. This study provides a reproducible benchmark for morphometric reproducibility and emphasizes the need for harmonization strategies in real-world neuroimaging studies. Code and figures: https://github.com/kondratevakate/brain-mri-segmentation

arxiv情報

提供元, 利用サービス

arxiv.jp, Google