MedNeXt를 사용하여 뇌종양 분할 최적화: BraTS 2024 SSA 및 소아청소년과학회

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

November 24, 2024

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

cs.AI

초록

뇌 MRI에서 주요 병변 특징을 식별하는 것은 글리오마 환자의 장기 생존에 중요합니다. 그러나 수동 분할은 전문가 개입이 필요하고 인간 오류에 취약하여 시간이 많이 소요됩니다. 따라서 3D 다중 모달 뇌 MRI 스캔에서 종양을 정확하게 분할할 수 있는 기계 학습 방법을 개발하는 데 상당한 연구가 집중되어 왔습니다. 최신 기술 모델은 진전을 이루었지만, 그들이 훈련된 데이터에 제한을 받아 다양한 인구에 적용될 때 신뢰성에 대한 우려가 제기됩니다. 이러한 변화는 MRI 기술의 품질이 낮은 경우(예: 아프리카 아래 지역)나 환자 인구 통계의 변화(예: 어린이)에서 발생할 수 있습니다. BraTS-2024 챌린지는 이러한 문제를 해결하기 위한 플랫폼을 제공합니다. 본 연구는 MedNeXt, 포괄적인 모델 앙상블 및 철저한 후처리를 사용하여 BraTS-2024 SSA 및 소아종양 작업에서 종양을 분할하는 방법론을 제시합니다. 우리의 접근 방식은 보이지 않는 검증 세트에서 강력한 성능을 보여주었으며, BraTS-2024 SSA 데이터셋에서 평균 Dice 유사도 계수(DSC)가 0.896이고 BraTS 소아종양 데이터셋에서 평균 DSC가 0.830임을 달성했습니다. 또한, 우리의 방법은 BraTS-2024 SSA 데이터셋에서 평균 하우스도르프 거리(HD95)가 14.682이고 BraTS 소아종양 데이터셋에서 평균 HD95가 37.508임을 달성했습니다. 우리의 GitHub 저장소는 여기에서 확인할 수 있습니다: 프로젝트 저장소: 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