Improved Multi-Task Brain Tumour Segmentation with Synthetic Data Augmentation

要約

このペーパーでは、BraTS チャレンジのタスク 1 の優勝ソリューションとタスク 3 の 3 位のソリューションを紹介します。
ますます洗練された信頼性の高いアルゴリズムの開発により、臨床現場での自動化ツールの使用が増加しています。
ただし、臨床基準を達成し、現実のシナリオに対応するツールを開発することは大きな課題です。
この目的を達成するために、BraTS は特定の目的のための最先端のソリューションを見つけるためのタスクを整理しました。
この論文では、治療後シナリオにおける成人神経膠腫のセグメンテーションと、放射線治療計画における髄膜腫のセグメンテーションを改善するために、合成データを使用して最先端のフレームワークをトレーニングすることを提案します。
私たちの結果は、合成データ生成パイプラインが髄膜腫タスクには直接適していないにもかかわらず、合成データの使用がより堅牢なアルゴリズムにつながることを示唆しています。
タスク 1 では、ET、NETC、RC、
それぞれ SNFH、TC、WT を達成し、タスク 3 では、テスト段階で DSC 0.801、HD95 38.26 を達成しました。
これらのタスクのコードは、https://github.com/ShadowTwin41/BraTS_2023_2024_solutions で入手できます。

要約(オリジナル)

This paper presents the winning solution of task 1 and the third-placed solution of task 3 of the BraTS challenge. The use of automated tools in clinical practice has increased due to the development of more and more sophisticated and reliable algorithms. However, achieving clinical standards and developing tools for real-life scenarios is a major challenge. To this end, BraTS has organised tasks to find the most advanced solutions for specific purposes. In this paper, we propose the use of synthetic data to train state-of-the-art frameworks in order to improve the segmentation of adult gliomas in a post-treatment scenario, and the segmentation of meningioma for radiotherapy planning. Our results suggest that the use of synthetic data leads to more robust algorithms, although the synthetic data generation pipeline is not directly suited to the meningioma task. In task 1, we achieved a DSC of 0.7900, 0.8076, 0.7760, 0.8926, 0.7874, 0.8938 and a HD95 of 35.63, 30.35, 44.58, 16.87, 38.19, 17.95 for ET, NETC, RC, SNFH, TC and WT, respectively and, in task 3, we achieved a DSC of 0.801 and HD95 of 38.26, in the testing phase. The code for these tasks is available at https://github.com/ShadowTwin41/BraTS_2023_2024_solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google