Hirntumorsegmentierung in der klinischen Routine: Genauigkeit von state-of-the-art Machine Learning Modellen in kombinierten 2D/3D MRT-Protokollen

Zielsetzung Die automatisierte Segmentierung von Hirntumoren wurde in den letzten Jahren laufend verbessert. State-of-the-art (SOTA) Modelle basieren auf 3D MRT Sequenzen (T1 ± KM, T2 und FLAIR), jedoch werden in der klinischen Routine häufig nur 2D T2 und FLAIR-Sequenzen akquiriert. Diese Arbeit evaluiert die Segmentierungsgenauigkeit von Modellen, trainiert auf kombinierten 2D/3D MRT Daten.

Material und Methoden Ein Encoder-Decoder basiertes Convolutional Neural Network mit einem asymmetrisch größeren Encoder (VAE-RES-NET) wurde zur Segmentierung adaptiert (Batch Size: 8, Ausschnitt: 160 × 192 × 128 Voxel). Das Modell wurde über 300 Epochen auf 80% des Brain Tumor Segmentation (BraTS) Challenge 2020 Trainingsdatensatzes trainiert (76 niedrig-, 293 hochgradige Gliome) um nekrotischen/nicht-anreichernden (NCR/NET) und kontrastmittelaffinen Tumor (ET) sowie peritumorales Ödem (ED) zu segmentieren. Die Segmentierungsgenauigkeit wurde mittels des Dice-Koeffizienten auf 20% des Datensatzes anhand der BraTS-Goldstandardsegmentierung ermittelt. Aus den 3D T2 und FLAIR-Sequenzen wurden 5-mm-Mittelwertscheiben mit einem Abstand von 5 mm als synthetische 2D Sequenzen errechnet. Um identische Bildgrößen als Eingabe für die Modelle zu gewährleisten wurden a) jede Mittelwertscheibe 5-fach wiederholt (2Dwdh) und b) Leerräume zwischen den Scheiben belassen (2Dleer). Ergänzend wurde ein Datensatz mit allen 3D Sequenzen (3Dvoll) und ein Datensatz ohne T2/FLAIR Information evaluiert (3DT1 ±KM).

Ergebnisse Der Dice-Koeffizient für NCR/NET unterschied sich nur marginal (3DT1 ±KM: 0,68, 2Dleer 0,67, 2Dwdh 0,68, 3Dvoll 0,66). ET wurde jeweils mit einem Dice-Koeffizient von 0,76 mit Ausnahme 3DT1 ±KM: 0,77 segmentiert. ED wurde jeweils mit einem Dice-Koeffizient 0,79, bis auf 3DT1 ±KM: 0,66 segmentiert.

Schlussfolgerungen Auch in der 3D/2D-Kombination können sehr gute Segmentierungsergebnisse erreicht werden. Dies sollte weiter evaluiert werden, um insbesondere eine hohe Segmentierungsgenauigkeit des epitumoralen Ödems auch in der klinischen Routine zu gewährleisten.

Publication History

Article published online:
11 May 2021