GLI-AL: 통합 해부학-병변 레이블을 갖춘 다중 모드 신경교종 MRI 레이블 리소스

초록

기존 BraTS-GLI 데이터셋은 성인 신경아교종(신경교종) MRI 분할을 위한 널리 사용되는 벤치마크를 제공하지만, 해당 작업 정의는 종양 하위 영역에 초점을 맞추고 동시에 존재하는 백질 고신호 강도(WMH)를 체계적으로 표현하지 않습니다. 공동 분할 설정에서 이러한 레이블이 지정되지 않은 이상 소견은 병리적 영역을 정상 조직으로 처리하여 작업별 레이블 노이즈를 유발합니다. 이 한계를 해결하기 위해, 본 연구에서는 BraTS 2023-GLI 훈련 코호트로부터 구축된 통제 접근, 레이블 전용 파생 리소스인 BraTS-GLI Anatomy-Lesion을 소개합니다. 이 리소스는 원래의 4모달 MRI 사례와 정렬된 1,251개의 통합된 8클래스 해부학-병변 레이블 세트를 제공하며, 수리된 이미징 입력이 필요한 116개 사례에 대한 이미지 수리 레이블을 포함합니다. 코호트는 394개 사례의 정제된 하위 집합과 857개 사례의 확장된 하위 집합으로 구성되며, 사례 수준 메타데이터는 레이블 출처, 이미지 수리 요구 사항, 품질 관리 상태, 접근 조건, 체크섬 및 릴리스 경계를 포함합니다. 원래 BraTS-GLI 주석과 비교하여, 이 리소스는 건강한 뇌 조직과 이전에 레이블이 지정되지 않은 동시 존재 이상 소견을 통합된 레이블 공간 내에 통합함으로써 전경 감독을 크게 확장합니다. MedNeXt 및 T1/FLAIR 입력을 사용한 검증 연구는 WMH 인식 감독이 도메인 내 GLI 및 외부 WMH 데이터셋 모두에서 건강한 조직 분할 성능을 유지하면서, 노이즈 대조 훈련에 비해 동시 병변에 대한 민감도를 향상시킨다는 것을 시사합니다. 이 리소스는 과학 연구를 위한 것이며 공동 해부학-병변 감독, 레이블 노이즈 분석 및 재현 가능한 평가를 지원합니다. 데이터는 https://www.synapse.org/Synapse:syn75210889/wiki/에서, 코드는 https://github.com/xyx200/brats-gli-anatomy-lesion-code에서 확인할 수 있습니다. 데이터 리소스 DOI는 https://doi.org/10.7303/SYN75210889입니다.

English

Existing BraTS-GLI datasets provide a widely used benchmark for adult glioma MRI segmentation, but their task definition focuses on tumor subregions and does not systematically represent coexisting white matter hyperintensities (WMH). In joint segmentation settings, such unlabeled abnormalities introduce task-specific label noise by treating pathological regions as normal tissue. To address this limitation, we introduce BraTS-GLI Anatomy-Lesion, a controlled-access, labels-only derived resource built from the BraTS 2023-GLI training cohort. The resource provides 1,251 unified eight-class anatomy-lesion label sets aligned with the original four-modal MRI cases, including image-repair labels for 116 cases requiring repaired imaging inputs. The cohort is organized into a 394-case purified subset and an 857-case extended subset, with case-level metadata covering label source, image-repair requirements, quality-control status, access conditions, checksums, and release boundaries. Compared with the original BraTS-GLI annotations, the resource substantially expands foreground supervision by incorporating healthy brain tissues and previously unlabeled coexisting abnormalities within a unified label space. A validation study using MedNeXt and T1/FLAIR inputs suggests that WMH-aware supervision preserves healthy-tissue segmentation performance across both in-domain GLI and external WMH datasets, while improving sensitivity to coexisting lesions relative to noisy-control training. The resource is intended for scientific research and supports joint anatomy-lesion supervision, label-noise analysis, and reproducible evaluation. Data are available at https://www.synapse.org/Synapse:syn75210889/wiki/, and code is available at https://github.com/xyx200/brats-gli-anatomy-lesion-code. The data resource DOI is https://doi.org/10.7303/SYN75210889.