Сегментація пухлин мозку – коефіцієнт Дайса

Чому сегментація пухлини мозку складніша, ніж здається

Для неспеціаліста фраза «знайти пухлину на скані» звучить як чітко визначене завдання. На практиці гліом – найпоширеніший тип первинних пухлин мозку, що вивчаються в дослідженнях сегментації – не має однієї межі; у нього декілька, загорнутих одна в одну та кожна клінічно значуща по-різному. Існує великий регіон аномальної тканини та набряку, який видно переважно на серії МРТ з двомавагою (T2) та FLAIR, загалом відомий як вся пухлина. Всередині цього є щільніший регіон, що включає будь-яку некротизовану або непідсилену тканину – ядро пухлини. І всередині цього часто знаходиться тонкий, контрастно підсилений ободок, який виділяється на сканах з двоваговою (T1ce) МРТ після введення гадолінієвого контрасту, підсилена пухлина, яка часто є найбільш клінічно значущим підрегіоном, оскільки вона може позначити найактивнішу, найбільш агресивну частину маси. Радіологи відслідковують ці три перекриваються області вручну, слайс за слайсом, через 3D-об’єм МРТ – повільний процес, що вимагає експертизи. Автоматизація цього процесу може значно прискорити планування лікування та моніторинг, що є точною причиною того, чому сегментація штучним інтелектом стала однією з найбільш активно оцінюваних проблем у медичній візуалізації, і чому необхідний суворий, стандартизований спосіб оцінки «наскільки добре» автоматична сегментація.»

Всередині виклику BraTS: багатомодальна МРТ та експертні дані

Виклик BraTS (сегментація пухлин мозку), вперше запропонований роботою Мензе та колег і щороку проводиться з того часу, є посиланням у цій галузі для цієї проблеми. Він складається з багатоінституційних МРТ-сканів пацієнтів з глиомою, наданих лікарнями та дослідницькими центрами по всьому світу, де кожен пацієнт сканувався за допомогою чотирьох стандартних, синхронізованих між собою МРТ-послідовностей: T1-зважена (T1), контрастно-підсилена T1-зважена (T1ce), T2-зважена (T2) та з інверсією відшкодування рідини (FLAIR). Кожна послідовність підкреслює різні властивості тканин, T1ce найкраще підходить для виявлення підвищення контрасту, а FLAIR особливо чутлива до набряку та інфільтрації, що визначає весь пухлик, тому хорошій моделі сегментації потрібно навчитися поєднувати інформацію з усіх чотирьох, а не покладатися лише на одну зображення. Разом із необробленими сканами BraTS надає експертно-позначені «істинні» мітки: сертифіковані нейрорадіологи (з результатами, перевіреними кількома експертами), відслідковують весь пухлик, ядро пухлини та області підвищення контрасту вручну на кожному навчальному випадку. Ці нарисовані вручну мітки є «істинною» відповіддю, проти якої вимірюються конкуруючі алгоритми, точно така ж роль, як і у фіксованій червоній плямі в цій симуляції, яка є заміною цьому експертно намальованому контуру, навмисно нерегулярна, оскільки межі пухлини насправді нерівні та не такі, як акуратні кола, які часто бездумно створює перший спроба автоматичної сегментації.

Коефіцієнт Дайса: Пояснення

Основна формула оцінювання – це коефіцієнт Дайса (також відомий як індекс Соренсена-Дайса): Dice = 2 × |A ∩ B| / (|A| + |B|), де A – область справжнього пухлини, B – передбачена область, |A| та |B| – їхні площі (або, для об’ємів 3D MRI, їхні об’єми), а |A∩B| – розмір їхньої перетину. Фактор два компенсує той факт, що область перетину інакше підраховується лише один раз, коли вона порівнюється з сумою двох повних площ, тому ідеальне співпадіння, де A та B однакові, завжди дає коефіцієнт Дайса рівний 1.0, а дві області, які не торкаються зовсім, дають 0. Розрахунок арифметики робить поведінку формули інтуїтивно зрозумілою. Якщо дві області перетинаються більше ніж на 80% від їхньої сукупної площі, Dice комфортно знаходиться в діапазоні від 0,85 до 0,95. Якщо передбачена область приблизно правильного розміру, але зміщена так, що лише половина її потрапляє на справжню пухлину, Dice різко падає, часто нижче 0,6, оскільки обидві області хибнопозитивної зони поза справжньою пухлиною та області хибнонегативної зони справжньої пухлини, що не охоплені, одночасно впливають на бал. Ця подвійна чутливість, яка покарання як за надмірне сегментування, так і за недостатнє сегментування в одній цифрі, є причиною того, чому коефіцієнт Дайса став стандартним показником замість чогось простішого, такого як безпосередня точність пікселів, яка може виглядати обманливо високо на зображенні з переважно здорових тканин навіть тоді, коли пухлина сегментована погано, оскільки правильне маркування всіх здорових тканин як «не пухлини» домінує в оцінці точності незалежно від того, як обробляється область пухлими. У цій симуляції зміщення слайдерів передбаченої крапки зменшує перетин області |A ∩ B|, тоді як окремі площі |A| та |B| майже не змінюються, що й пояснює найшвидше падіння коефіцієнта Дайса при чистому позиційному зсуві. Зміна слайдера розміру змінює |B| само по собі, ілюструючи другий незалежний спосіб, яким може бути неправильне сегментування, навіть якщо воно розташоване ідеально.

Чому лідеборди реальних змагань також повідомляють про відстань Гаусдорфа

Дайс – це метрика, заснована на площі (або об’ємі), і метрики, засновані на площі, мають певний вузол: невеликий ізольований пік неправильно передбаченого пухлини, що виступає далеко в інший здоровий мозковий тканину, вносить лише незначний внесок у загальну суми невідповідностей, тому майже не впливає на показник Дайса, навіть якщо це може представляти собою серйозну, клінічно небезпечну локалізацію. Саме такий тип помилки призначена для виявлення метрика відстані від межі. Відстань Гаусдорфа вимірює найгірший сценарій розбіжності меж замість площі перекриття. Неформально: для кожної точки на межі однієї області знайдіть відстань до найближчої точки на межі іншої області; візьміть найбільшу таку відстань (це «направлена» відстань Гаусдорфа в одному напрямку); зробіть те ж саме в іншому напрямку; справжня відстань Гаусдорфа – це більша з цих двох «направлених» значень. Велике значення відстані Гаусдорфа означає, що десь на межі дві лінії сильно розходяться, навіть якщо показник Дайса все ще виглядає прийнятним. Реальні таблиці лідерів BraTS зазвичай повідомляють про 95-й відсоток цієї відстані замість строгого максимума, щоб усунути шум окремих пікселів, зберігаючи при цьому здатність виявляти серйозні великі похибки на межі, але основна ідея втілена тут у спрощеному та чітко позначеному вигляді. Показник «розбіжності меж» цієї симуляції є свідомо спрощеною, ілюстративною апроксимацією тієї ж ідеї, обчислений шляхом відбору точок навколо межі кожної пухлини та пошуку найбільшого проміжку між двома наборами найближчих сусідів. Подивіться, що відбувається, коли ви збільшуєте регулятор «викривлення»: показник Дайса часто майже не змінюється, якщо загальний розмір і положення залишаються незмінними, але число розбіжності меж може помітно зрости, оскільки викривлений край створює саме той вид локалізованих піків і проміжків, які схильні недооцінювати метрики перекриття.

Прочитати результати: Відмінно, Корисно для практики або потребує перегляду

Орієнтовні показники (Dice) є значущими лише тоді, коли прив’язані до практичної точки відліку, тому сегментація-виклики часто згруповуються в якісні категорії. У цій симуляції використовується три такі категорії. Результат Dice більше 0,85 вважається «відмінним» перекриттям, що відповідає узгодженості між двома незалежними оцінками експертів (між-оціночна згода), яка є доречним верхнім порогом, оскільки моделі штучного інтелекту рідко досягають того ж рівня узгодженості, що й досвідчені лікарі. Результат Dice від 0,70 до 0,85 класифікується як «корисно для практики», достатньо хороший для підтримки робочих процесів, наприклад, для створення попередніх планів лікування або відстеження об’єму пухлини в часі, хоча він все ще потребує перегляду клініцистом, а не повної автоматизації. Результат Dice нижче 0,70 позначено як «потрібно переглянути», коли сегментація імовірно пропустила значну частину пухлини, включаючи здорові тканини, і не повинна довірятися без виправлення. Ці категорії не є випадковими; вони відображають порогові значення, які повторюються в опублікованій літературі щодо сегментації як приблизні межі між «відповідністю узгодженості на рівні експерта», «корисною під наглядом» та «недостатньо надійною для використання», хоча фактичні порогові значення можуть відрізнятися залежно від установи, суб-області пухлини (наприклад, Dice для пучків, що активно накопичують речовину, зазвичай складніше досягти, ніж загальний Dice) та конкретного застосування сегментації.

Чого досягає симуляція

Деякі спрощення заслуговують на увагу. Реальне сегментування пухлин мозку за допомогою коефіцієнту Дайса відбувається у тривимірному просторі, охоплюючи весь об’єм МРТ, а не на одному плоскому 2D зображенні; ця симуляція працює в 2D для того, щоб зберегти видимість та інтуїтивність перекриття та розбіжностей меж, не потребуючи водночас тривимірного рендерера. Реальні межі пухлини визначаються експертами на фактичних сканах пацієнтів, а не за допомогою фіксованої математичної функції шуму; неправильно сформована червона пляма тут є лише демонстрацією, щоб відчуватися анатомічно правдоподібно, а не зображенням будь-якої пухлини. І індикатор розбіжностей меж є спрощеним представленням відстані Гаусдорфа, а не 95-й пелюсткою відсотка, використаною в опублікованих результатах BraTS. Жодна з цих спрощень не підриває суть цього вправи. Зв’язок між положенням, розміром та нерівністю на одній стороні та оцінкою Дайса та розбіжністю меж на іншій стороні залишається таким самим тут, як і у реальному тривимірному сегментуванні пухлин, оскільки обидва базуються на математиці перекриття та відстаней між межами. Переміщення повзунків і спостереження за реакцією чисел є мініатюрним зворотним зв’язком, який бачить інженер машинного навчання, коли він повторно навчає модель сегментації та запускає її проти набору валідації BraTS.

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте BraTS Brain Tumor Segmentation — Dice Score Explorer і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.