SegmentAnyBone: A Universal Model that Segments Any Bone at Any Location on MRI

要約

磁気共鳴画像法 (MRI) は放射線医学において極めて重要であり、人体に対する非侵襲的で質の高い洞察を提供します。
MRI をさまざまな臓器や組織に正確に分割することは、画像内容のより高いレベルの理解を可能にし、正確な診断と効果的な治療計画に不可欠な重要な測定を可能にするため、非常に有益です。
具体的には、MRI で骨をセグメント化することで、筋骨格系の状態をより定量的に評価できるようになりますが、そのような評価は現在の放射線医学の現場ではほとんど行われていません。
骨 MRI セグメンテーションの難しさは、公開されているアルゴリズムが限られており、文献に記載されているアルゴリズムは通常、特定の解剖学的領域に対応しているという事実によってわかります。
私たちの研究では、複数の標準的な MRI 位置にわたる MRI における骨セグメンテーションのための汎用性の高い、公的に利用可能な深層学習モデルを提案します。
提案されたモデルは、完全自動セグメンテーションとプロンプトベースのセグメンテーションの 2 つのモードで動作できます。
私たちの貢献には、(1) さまざまな解剖学的領域にわたる 300 以上の注釈付きボリュームと 8,485 個以上の注釈付きスライスを含む、さまざまな MRI プロトコルにわたる新しい MRI データセットの収集と注釈付けが含まれます。
(2) 自動セグメンテーションのためのいくつかの標準的なネットワーク アーキテクチャと戦略を調査する。
(3) Segment Anything Model (SAM) を拡張する革新的な基礎モデルベースのアプローチである SegmentAnyBone を導入します。
(4) 私たちのアルゴリズムと以前のアプローチの比較分析。
(5) さまざまな解剖学的位置、MRI シーケンス、および外部データセットにわたるアルゴリズムの一般化分析。
私たちはモデルを https://github.com/mazurowski-lab/SegmentAnyBone で公開しています。

要約(オリジナル)

Magnetic Resonance Imaging (MRI) is pivotal in radiology, offering non-invasive and high-quality insights into the human body. Precise segmentation of MRIs into different organs and tissues would be highly beneficial since it would allow for a higher level of understanding of the image content and enable important measurements, which are essential for accurate diagnosis and effective treatment planning. Specifically, segmenting bones in MRI would allow for more quantitative assessments of musculoskeletal conditions, while such assessments are largely absent in current radiological practice. The difficulty of bone MRI segmentation is illustrated by the fact that limited algorithms are publicly available for use, and those contained in the literature typically address a specific anatomic area. In our study, we propose a versatile, publicly available deep-learning model for bone segmentation in MRI across multiple standard MRI locations. The proposed model can operate in two modes: fully automated segmentation and prompt-based segmentation. Our contributions include (1) collecting and annotating a new MRI dataset across various MRI protocols, encompassing over 300 annotated volumes and 8485 annotated slices across diverse anatomic regions; (2) investigating several standard network architectures and strategies for automated segmentation; (3) introducing SegmentAnyBone, an innovative foundational model-based approach that extends Segment Anything Model (SAM); (4) comparative analysis of our algorithm and previous approaches; and (5) generalization analysis of our algorithm across different anatomical locations and MRI sequences, as well as an external dataset. We publicly release our model at https://github.com/mazurowski-lab/SegmentAnyBone.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google