All Sizes Matter: Improving Volumetric Brain Segmentation on Small Lesions

要約

脳転移 (BM) は、最も頻繁に発生する脳腫瘍です。
複数の BM を有する患者を定位戦術放射線手術で治療するには、転移の正確な位置特定が必要です。
ニューラル ネットワークは、通常人間の専門家によって実行されるこの時間と費用のかかるタスクを支援します。
特に困難なのは、既存のアプローチでは過小評価されることが多い小さな病変の検出です。
ただし、病変の検出はどのサイズでも同様に重要です。
この研究では、小さな BM の検出とセグメント化に明示的に焦点を当てたニューラル ネットワークのアンサンブルを開発します。
このタスクを達成するために、BM セグメンテーション問題の個々の側面に焦点を当てていくつかのニューラル ネットワークをトレーニングしました。サイズとテクスチャの点で病変インスタンスの不均衡に特に対処するブロブ損失を使用するため、より大きな病変に偏ることはありません。
さらに、T1 と T1 コントラスト強調シーケンスの間の減算シーケンスを使用するモデルは、低コントラストの病変に焦点を当てます。
さらに、小さな病変に対してのみ追加のモデルをトレーニングします。
私たちの実験は、追加のブロブ損失と減算シーケンスの有用性を示しています。
ただし、アンサンブルに特殊な小さな病変モデルを含めると、セグメンテーションの結果が悪化します。
また、ほとんどの実験でパフォーマンスを大幅に向上させる、ドメイン知識にヒントを得た後処理ステップも見つかりました。
私たちのアプローチにより、ASNR-MICCAI BraTS BraTS Brain Metastasis Challenge 2023 に競争力のあるチャレンジのエントリーを提出することができます。

要約(オリジナル)

Brain metastases (BMs) are the most frequently occurring brain tumors. The treatment of patients having multiple BMs with stereo tactic radiosurgery necessitates accurate localization of the metastases. Neural networks can assist in this time-consuming and costly task that is typically performed by human experts. Particularly challenging is the detection of small lesions since they are often underrepresented in exist ing approaches. Yet, lesion detection is equally important for all sizes. In this work, we develop an ensemble of neural networks explicitly fo cused on detecting and segmenting small BMs. To accomplish this task, we trained several neural networks focusing on individual aspects of the BM segmentation problem: We use blob loss that specifically addresses the imbalance of lesion instances in terms of size and texture and is, therefore, not biased towards larger lesions. In addition, a model using a subtraction sequence between the T1 and T1 contrast-enhanced sequence focuses on low-contrast lesions. Furthermore, we train additional models only on small lesions. Our experiments demonstrate the utility of the ad ditional blob loss and the subtraction sequence. However, including the specialized small lesion models in the ensemble deteriorates segmentation results. We also find domain-knowledge-inspired postprocessing steps to drastically increase our performance in most experiments. Our approach enables us to submit a competitive challenge entry to the ASNR-MICCAI BraTS Brain Metastasis Challenge 2023.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google