Core Concepts
脳MRI分割タスクにおいて、受け入れ可能な性能を達成するために必要なデータ量を推定する戦略的なフレームワークを提案する。
Abstract
本論文では、パッチベースの脳MRI分割タスクに必要なデータ量を推定するための戦略的なフレームワークを提案している。
まず、Minor Boundary Adjustment for Threshold (MinBAT)メソッドを導入し、各分割タスクに対して受け入れ可能なDice類似係数(DSC)スコアを動的に設定する。これにより、ROIの特性に応じた期待可能なDSCスコアを決定できる。
次に、ROI-based Expanded Patch Selection (REPS)戦略を提案し、各症例の貢献度を均等化しつつデータ拡張を維持する。これにより、症例数の増加に伴うモデルパフォーマンスの変化を正確に把握できる。
実験では、脳抽出、腫瘍分割、MS病変分割の3つのタスクを取り上げ、MinBATとREPSを組み合わせて検証を行った。その結果、各タスクに必要な症例数や関心領域(ROI)数を明らかにできた。さらに、限られたデータから必要データ量を予測する手法も示した。
本手法は、ニューラルネットワークモデル開発の初期段階において、効率的なデータ収集と注釈付けを支援し、実用的な分割モデルの実現に貢献できると期待される。
Stats
脳抽出タスクでは、210症例、2.82e8ml のROI容積が必要と推定された。
腫瘍分割タスクでは、350症例、1.26e7ml のROI容積が必要と推定された。
MS病変分割タスクでは、48症例、3.50e5ml のROI容積が必要と推定された。