MedNeXtを用いた脳腫瘍セグメンテーションの最適化：BraTS 2024 SSAと小児医学

Optimizing Brain Tumor Segmentation with MedNeXt: BraTS 2024 SSA and Pediatrics

November 24, 2024

著者: Sarim Hashmi, Juan Lugo, Abdelrahman Elsayed, Dinesh Saggurthi, Mohammed Elseiagy, Alikhan Nurkamal, Jaskaran Walia, Fadillah Adamsyah Maani, Mohammad Yaqub

cs.AI

要旨

脳のMRIでの重要な病理学的特徴を特定することは、グリオーマ患者の長期生存にとって重要です。しかし、手動セグメンテーションは時間がかかり、専門家の介入が必要であり、人為的なエラーの影響を受けやすいです。そのため、3D多モーダル脳MRIスキャンで腫瘍を正確にセグメンテーションできる機械学習手法の開発に多くの研究が注がれています。最先端のモデルは進化していますが、訓練に使用されるデータによって制限されることが多く、異なる分布が導入されるさまざまな人口に適用された際の信頼性に関する懸念があります。このような分布の変化は、MRI技術の質が低い地域（例：サハラ以南のアフリカ）や患者の人口統計の変化（例：子供）から生じる可能性があります。BraTS-2024チャレンジは、これらの問題に取り組むプラットフォームを提供しています。この研究では、MedNeXt、包括的なモデルアンサンブル、および徹底的な事後処理を使用して、BraTS-2024 SSAおよび小児腫瘍タスクで腫瘍をセグメンテーションするための方法論を提案しています。当社の手法は、未知の検証セットで強力なパフォーマンスを発揮し、BraTS-2024 SSAデータセットで平均ダイス類似度係数（DSC）が0.896、BraTS小児腫瘍データセットで平均DSCが0.830を達成しました。さらに、当社の手法は、BraTS-2024 SSAデータセットで平均ハウスドルフ距離（HD95）が14.682、BraTS小児腫瘍データセットで平均HD95が37.508を達成しました。当社のGitHubリポジトリはこちらからアクセスできます：プロジェクトリポジトリ：https://github.com/python-arch/BioMbz-Optimizing-Brain-Tumor-Segmentation-with-MedNeXt-BraTS-2024-SSA-and-Pediatrics

English

Identifying key pathological features in brain MRIs is crucial for the long-term survival of glioma patients. However, manual segmentation is time-consuming, requiring expert intervention and is susceptible to human error. Therefore, significant research has been devoted to developing machine learning methods that can accurately segment tumors in 3D multimodal brain MRI scans. Despite their progress, state-of-the-art models are often limited by the data they are trained on, raising concerns about their reliability when applied to diverse populations that may introduce distribution shifts. Such shifts can stem from lower quality MRI technology (e.g., in sub-Saharan Africa) or variations in patient demographics (e.g., children). The BraTS-2024 challenge provides a platform to address these issues. This study presents our methodology for segmenting tumors in the BraTS-2024 SSA and Pediatric Tumors tasks using MedNeXt, comprehensive model ensembling, and thorough postprocessing. Our approach demonstrated strong performance on the unseen validation set, achieving an average Dice Similarity Coefficient (DSC) of 0.896 on the BraTS-2024 SSA dataset and an average DSC of 0.830 on the BraTS Pediatric Tumor dataset. Additionally, our method achieved an average Hausdorff Distance (HD95) of 14.682 on the BraTS-2024 SSA dataset and an average HD95 of 37.508 on the BraTS Pediatric dataset. Our GitHub repository can be accessed here: Project Repository : https://github.com/python-arch/BioMbz-Optimizing-Brain-Tumor-Segmentation-with-MedNeXt-BraTS-2024-SSA-and-Pediatrics