Wyświetlacz współczynnika Dice BraTS Brain Tumor Segmentation

Dlaczego segmentacja guza mózgu jest trudniejsza niż się wydaje

Dla osoby nieposiadającej specjalistycznej wiedzy, „znajdź guz na skanie” brzmi jak pojedyncze, dobrze zdefiniowane zadanie. W praktyce glioma, najczęstszy typ pierwotnego guza mózgu badany w badaniach segmentacyjnych, nie ma jednej granicy; posiada ona wiele, wewnątrz siebie ułożonych i każde z nich istotne klinicznie na inny sposób. Istnieje obszar masy abnormalnej tkanki i obrzęku widoczny głównie na obrazach T2-ważonym i FLAIR, ogólnie zwany całym guzem. Wewnątrz tego znajduje się gęstsza strefa obejmująca wszelkie martwice lub nieprzewlekłe tkanki, rdzeń guza. A wewnątrz tej często występuje cienka, kontrastowo podświetlona obwódka, która oświetla się specyficznie na skanie T1-ważonym wykonanym po wstrzyknięciu kontrastu gadolinowego (T1ce), wzbogacony guzem, który często jest najbardziej klinicznie istotną podregionem ze względu na to, że może oznaczać najbardziej aktywną, szybko rosnącą część masy. Radiolodzy śledzą te trzy nakładające się strefy ręcznie, warstwa po warstwie, przez wolumin 3D MRI, proces wymagający dużego doświadczenia i wiedzy. Automatyzacja tego dobrze mogłaby znacząco przyspieszyć planowanie leczenia i monitorowanie, co jest dokładnie powodem, dla którego segmentacja AI stała się jednym z najbardziej intensywnie testowanych problemów w obrazowaniu medycznym, a także dlatego stało się niezbędne stworzenie rygorystycznego, standaryzowanego sposobu oceny „jak dobrze” automatyczna segmentacja działa.”]} pablo.json 2024-10-27 15:36:48.927990 {

Wewnątrz Wyzwania BraTS: Wielomodalne MRI i Ekspercka Informacja Podstawowa

Wyzwanie BraTS (Segmentacja Tumorów Mózgowych), pierwotnie zaproponowane przez Menze i zespół oraz prowadzone corocznie od tego czasu, stanowi referencyjny punkt odniesienia w tej dziedzinie. Zgromadza skany MRI pacjentów z guzem mózgu pochodzące z wielu instytucji, które zostały zebrane z szpitali i ośrodków badawczych na całym świecie. Każdy pacjent został przeskanowany czterema standardowymi, współosiowo zarejestrowanymi sekwencjami MRI: T1-ważonym (T1), kontrastowanym T1-ważonym (T1ce), T2-ważonym (T2) i z odwróceniem atenuacji płynu (FLAIR). Każda sekwencja podkreśla różne właściwości tkanek; T1ce jest najlepsze do wykrywania wzbogacającego się obramowania, a FLAIR jest szczególnie wrażliwe na obrzęk i infiltrację, które definiują cały guz, więc dobry model segmentacji musi nauczyć się łączyć informacje z wszystkich czterech sekwencji, zamiast polegać wyłącznie na jednej. Oprócz surowych skanów BraTS dostarcza ekspertowo oznaczone etykiety podstawowe: certyfikowani radiolodzy (wyniki weryfikowane przez wielu ekspertów) ręcznie rysują cały guz, rdzeń guza i obszary wzbogacające się przez rękę na każdym przypadku treningowym. Te narysowane ręcznie etykiety stanowią „informację podstawową”, z którą porównywane są konkurenujące algorytmy, dokładnie tak jak w tym symulacji gra rolę stały czerwony koralik, który jest zamiennikiem tego narysowanego przez eksperta konturu, celowo nieregularny, ponieważ granice guza nie są regularne, jak to często produkuje pierwsza próba automatycznej segmentacji.

Współczynnik Podobieństwa Dice, Wyjaśniony

Rdzeń formuły punktacji to współczynnik podobieństwa Dice (zwany również indeksem Sørensen–Dice): Dice = 2 × |A ∩ B| / (|A| + |B|), gdzie A oznacza obszar rzeczywistego guza, B obszar przewidywanego guza, |A| i |B| to ich powierzchnie (lub, w przypadku rzeczywistych wolumenu MRI 3D, objętości), a |A∩B| to rozmiar ich nakładania się. Czynnik dwa kompensuje fakt, że obszar nakładania się jest inaczej liczony tylko raz podczas porównywania go z sumą dwóch pełnych powierzchni, więc idealne dopasowanie, w którym A i B są identyczne, zawsze daje wynik Dice równy dokładnie 1,0, a dwie regiony, które nie styka się wcale, dają 0. Przeanalizowanie arytmetyki sprawia, że zachowanie formuły jest intuicyjne. Jeśli dwie regiony nakładają się na ponad 80% ich łączonego obszaru, Dice wygodnie mieści się w zakresie od 0,85 do 0,95. Jeśli przewidywana region ma przybliżoną prawidłową wielkość, ale przesunięta tak, że tylko połowa niej trafia na prawdziwy guz, Dice gwałtownie spada, często poniżej 0,6, ponieważ zarówno obszar fałszywie dodatni poza prawdziwym guzem, jak i obszar fałszywie ujemny z pozostawionym niezbadanym prawdziwym guzem, liczą się jednocześnie przeciwko wynikowi. Ta podwójna wrażliwość, karząc zarówno za nadmierne segmentowanie, jak i niedostateczne, w jednym numerze, jest dokładnie powodem, dla którego Dice stał się domyślnym metryką zamiast czegoś prostszego, takiego jak surowa dokładność pikseli, która może wyglądać wprawdzie wysoko na obrazie z przeważnie zdrowej tkanki, nawet jeśli sam guz jest źle segmentowany, ponieważ prawidłowe oznaczanie całej tkanki zdrowej jako „nie guza” dominuje w wyniku dokładności bez względu na to, jak obsługiwany jest obszar guza. W tej symulacji przesuwanie suwaków przesunięcia przewidywanego bloku oddala je od stałego wzorca rzeczywistego, bezpośrednio zmniejszając nakładanie się obszaru |A ∩ B|, podczas gdy indywidualne obszary |A| i |B| w zasadzie nie zmieniają się, co jest dokładnie powodem, dla którego Dice spada najszybciej pod wpływem czysto pozycyjnego przesunięcia. Zmiana suwaka rozmiaru zmienia |B| samo w sobie, ilustrując drugi, niezależny sposób, w jaki segmentacja może pójść źle, nawet jeśli jest idealnie wycentrowana.”]}p/g

Dlaczego to ważne

Wskaźnik rozbieżności granicznej mierzy największe odchylenie w odniesieniu do granic, a nie powierzchnię nakładania się. Metryki oparte na powierzchni (takie jak współczynnik Dice) mają słaby punkt – mały, izolowany wyłomu nieprawidłowo przewidzianego tkanki nowotworowej, który wystaje daleko poza zdrową tkankę mózgu, przyczynia się tylko minimalnie do całkowitej powierzchni rozbieżności, więc prawie w ogóle nie wpływa na współczynnik Dice, mimo że może to stanowić poważny błąd kliniczny. To dokładnie ten rodzaj błędów, które mierzą metryki odległości granicznej są zaprojektowane do wychwytywania. Odległość Hausdorffa mierzy najgorszy przypadek rozbieżności granic zamiast powierzchni nakładania się. Mówiąc wprost: dla każdego punktu na granicy jednej strefy, znajdź odległość do najbliższego punktu na granicy drugiej strefy; weź największą taką odległość (to jest „odległość Hausdorffa skierowana” w jednym kierunku); zrób to samo w drugim kierunku; prawdziwa odległość Hausdorffa to większa z tych dwóch odległości skierowanych. Duża odległość Hausdorffa oznacza, że gdzieś na granicy dwie linie rozbiegają się poważnie, nawet jeśli ogólny współczynnik Dice nadal wygląda rozsądnie. Typowe tablice liderów BraTS-style raportują 95. procentową wersję tej odległości zamiast sztywnej maksymalnej, która wycina pojedyncze pikiele szumowe, jednocześnie wychwytując prawdziwe duże błędy granic, ale podstawowa zasada ta sama logika najgorszego przypadku jest tutaj zaimplementowana w uproszczonej, wyraźnie oznaczony sposób. Wskaźnik „rozbieżności granicznej” tego symulowania to celowo uproszczone, ilustracyjne przybliżenie tej samej idei, obliczane poprzez próbkowanie punktów wokół granic każdej kropki i znajdowanie największego rozbieżnego odstępu między dwoma zestawami punktów. Zobacz, co się dzieje, gdy podnosisz suwak sztywności: współczynnik Dice często prawie nie zmienia się, jeśli ogólny rozmiar i pozycja pozostają podobne, ale liczba rozbieżności granicznej może znacznie wzrosnąć, ponieważ ostry brzeg tworzy dokładnie ten rodzaj lokalnych wyłomów i luk, które tendencja do niedoszacowywania metryki nakładania się.

Czytanie Wyników: Doskonałe, Klinicznie Użyteczne lub Wymagające Przeglądu

Surowe wyniki Dice stają się znaczące dopiero wtedy, gdy są zakotwiczone w jakimś punkcie odniesienia. Ta symulacja wykorzystuje trzy takie punkty. Wynik Dice powyżej 0.85 jest traktowany jako doskonały nakład, porównywalny z zgodą widzianą między dwoma różnymi radiologami ręcznie śledzącymi ten sam guz, co nazywa się zgodnością między raterami - użyteczny sufit, ponieważ model AI rzadko musi przewyższać to, w jakim stopniu dwa przeszkolone osoby zgadzają się ze sobą. Wynik Dice pomiędzy 0.70 a 0.85 jest oznaczony jako klinicznie użyteczny, wystarczająco dobry, aby wspomagać przepływy pracy, takie jak wstępne szkice planów leczenia lub śledzenie objętości guza w czasie, choć nadal wymaga przeglądu lekarza, a nie całkowitego polegania. Wynik Dice poniżej 0.70 jest oznaczony jako słaby - wymaga przeglądu, zakres, w którym segmentacja prawdopodobnie pomija znaczną część guza, wraz z istotną ilością zdrowej tkanki, lub obie rzeczy, i nie powinna być ufana bez korekty. Te paski nie są przypadkowe; odzwierciedlają progi, które wielokrotnie pojawiają się w literaturze dotyczącej walidacji segmentacji jako przybliżone granice między "zgodą na poziomie eksperckim", „użytecznym pod nadzorem” i „nie wystarczająco niezawodnym, aby wymagało korekty”. Są to jednak ogólne wskazówki, a nie stały standard kliniczny; rzeczywiste progi akceptowalności różnią się w zależności od instytucji, subregionu guza (Dice dla guza wzbogaconego jest zwykle trudniejszy do osiągnięcia niż Dice dla całego guza, ponieważ ta część jest mniejsza i jej granica subtelniejsza) i konkretnego sposobu wykorzystania segmentacji.

Co upraszcza symulacja, i dlaczego to jest w porządku do nauki

Kilka szczerych uproszczeń warto wymienić. Rzeczywista segmentacja guza nowotworowego mózgu BraTS odbywa się w trzech wymiarach na całym wolumenie MRI, a nie na pojedynczym płaszczyźnie 2D; ta symulacja działa w 2D, aby zachować widoczność i intuicyjność zachowania się nakładania się i rozbieżności granic, zamiast wymagać od renderera trójwymiarowego, aby docenił je. Rzeczywiste granice guza nowotworowego mózgu pochodzą z rzeczywistych anotacji wykonanych przez ekspertów na rzeczywistych badaniach pacjentów, a nie z stałej funkcji szumu matematycznego; nieregularny czerwony koralek tutaj jest stand-inem ukształtowanym tak, aby wydawać się anatomicznie prawdopodobnym, a nie obrazem jakiegokolwiek guza nowotworowego. A wskaźnik rozbieżności granic jest wyraźnie uproszczonym przybliżeniem odległości Hausdorffa zamiast obliczenia 95-procentowej wartości używanej w opublikowanych wynikach BraTS. Żaden z tych elementów nie podważa celu ćwiczenia. Relacja między pozycją, rozmiarem i szorstkością po jednej stronie a współczynnikiem Dice i rozbieżnością granic po drugiej stronie zachowuje się tak samo tutaj jak w rzeczywistej segmentacji wolumenowej guza nowotworowego mózgu, ponieważ obie opierają się na tej samej matematyce nakładania się i odległości granicy. Przesuwanie suwaków i obserwowanie reakcji liczb jest, w miniaturze, tym samym pętlą sprzężenia zwrotnego, której doświadcza inżynier uczenia maszynowego, gdy ponownie trenuje model segmentacji i uruchamia go przeciwko zestawie walidacyjnemu BraTS.

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz BraTS Brain Tumor Segmentation — Dice Score Explorer i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.