Advances in Automated Fetal Brain MRI Segmentation and Biometry: Insights from the FeTA 2024 Challenge

要約

正確な胎児脳組織のセグメンテーションとバイオメトリクス解析は、胎内での脳の発達を研究するために不可欠である。FeTAチャレンジ2024では、組織セグメンテーションと並ぶ新たなタスクとして生体計測予測を導入することで、胎児脳MRI自動解析を進化させた。今回初めて、多様なマルチセントリックテストセットに、新しい低磁場（0.55T）MRIデータセットのデータが含まれました。評価指標も、トポロジーに特化したオイラー特性差（ED）を含むように拡張された。16チームがセグメンテーション法を提出し、そのほとんどは高磁場スキャンと低磁場スキャンの両方で一貫した性能を示した。しかし、長期的な傾向から、セグメンテーションの精度は頭打ちになりつつあり、その結果は評価者間のばらつきに近づいている。EDメトリクスは、従来のメトリクスでは見逃されていたトポロジカルな差異を発見し、低磁場データセットは最高のセグメンテーションスコアを達成した。バイオメトリクスの課題には7チームが参加したが、ほとんどの手法は、妊娠年齢のみに基づいて測定値を予測する単純なベースラインを上回ることができず、画像データのみから信頼性の高いバイオメトリクス推定値を抽出することの難しさを浮き彫りにした。ドメインシフト解析では、モデルの汎化に影響を与える最も重要な要因として画質が特定され、超解像パイプラインも重要な役割を果たした。妊娠年齢、病理学的特徴、撮影部位など、その他の要因の影響は小さいが、それでも測定可能であった。全体として、FeTA 2024は、胎児脳MRIにおけるマルチクラスセグメンテーションとバイオメトリー推定の包括的なベンチマークを提供し、臨床的にロバストで汎用性の高いAIツールを実現するために、データ中心のアプローチ、トポロジー評価の改善、データセットの多様化が必要であることを強調している。

要約(オリジナル)

Accurate fetal brain tissue segmentation and biometric analysis are essential for studying brain development in utero. The FeTA Challenge 2024 advanced automated fetal brain MRI analysis by introducing biometry prediction as a new task alongside tissue segmentation. For the first time, our diverse multi-centric test set included data from a new low-field (0.55T) MRI dataset. Evaluation metrics were also expanded to include the topology-specific Euler characteristic difference (ED). Sixteen teams submitted segmentation methods, most of which performed consistently across both high- and low-field scans. However, longitudinal trends indicate that segmentation accuracy may be reaching a plateau, with results now approaching inter-rater variability. The ED metric uncovered topological differences that were missed by conventional metrics, while the low-field dataset achieved the highest segmentation scores, highlighting the potential of affordable imaging systems when paired with high-quality reconstruction. Seven teams participated in the biometry task, but most methods failed to outperform a simple baseline that predicted measurements based solely on gestational age, underscoring the challenge of extracting reliable biometric estimates from image data alone. Domain shift analysis identified image quality as the most significant factor affecting model generalization, with super-resolution pipelines also playing a substantial role. Other factors, such as gestational age, pathology, and acquisition site, had smaller, though still measurable, effects. Overall, FeTA 2024 offers a comprehensive benchmark for multi-class segmentation and biometry estimation in fetal brain MRI, underscoring the need for data-centric approaches, improved topological evaluation, and greater dataset diversity to enable clinically robust and generalizable AI tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL