2023年大脑瘤细分 - 转移 (BraTS-METS) 挑战:在治疗前的MRI上对大脑转移的细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 人工智能驱动的大脑转移 (BM) 分段的临床翻译需要强大的,多样化的数据集.
• 2023年BraTS-METS挑战使用现实世界注释数据的基准算法.

研究的目的:

• 为了介绍BraTS-METS 2023细分挑战的结果.
• 识别影响算法性能的具有挑战性的案例,并描述常见错误.

主要方法:

• 在八个国际数据集的标准MRI序列上利用未经治疗的大脑转移.
• 逐步注释数据 (UNET算法,学生,神经放射学家).
• 使用病变智能子和豪斯多夫距离 (HD95) 评分的排名细分,惩罚错误的阳性/阴性.

主要成果:

• 八个数据集 (1303项研究) 被注释;402项研究 (3076个病变) 被公开.
• 获胜的团队获得了LesionWise平均得分7.9,子得分为0.65±0.25.
• 对于较小的瘤 (<100毫米3),算法性能下降,常见的错误包括假阴性和空间错误注册.

结论:

• 用于BM细分的AI算法需要改进,以平衡灵敏度并最大限度地减少假阳性/假阴性.
• 在BraTS-METS 2023挑战中,成功地策划了数据,并确定了改善BM细分的关键领域.
• 这些发现将有助于将BM细分转化为临床实践和个性化患者报告.