専門家によるセグメンテーションラベルと放射線医学的特徴を備えたがんゲノムアトラス神経膠腫MRIコレクションを進化させる

Advancing The Cancer Genome Atlas glioma MRI collections with expert segmentation labels and radiomic features.

• Spyridon Bakas
• Hamed Akbari
• Aristeidis Sotiras
• Michel Bilello
• Martin Rozycki
• Justin S Kirby
• John B Freymann
• Keyvan Farahani
• Christos Davatzikos

抄録

グリオーマは中枢神経系腫瘍の一群に属し、様々なサブリージョンから構成される。これらのサブ領域のラベリングは、放射線医学的および放射線医学的解析を含む臨床研究と計算科学的研究の両方に不可欠である。この目的のために、我々は、The Cancer Genome Atlas（TCGA）の多施設グリオーマコレクションの術前マルチモーダル磁気共鳴画像（MRI）（n=243）について、セグメンテーションラベルと放射線学的特徴を公開した。術前スキャンは、膠芽腫（TCGA-GBM、n=135）および低悪性度神経膠腫（TCGA-LGG、n=108）の両方のコレクションにおいて、放射線学的評価により同定された。神経膠腫のサブリージョンラベルは、自動化された最先端の方法で作成され、専門家である理事会認定の神経放射線科医によって手動で修正された。手動で改訂されたラベルに基づいて、放射線学的特徴の広範なパネルが抽出された。このラベルと特徴は、i)新しい予測、予後、診断評価につながる再現性のある、再現性のある、比較可能な定量的研究に向けてTCGA/TCIA神経膠腫コレクションを直接利用すること、およびii)コンピュータ支援によるセグメンテーション法の性能評価、および我々の最新の方法との比較を可能にするはずである。

Gliomas belong to a group of central nervous system tumors, and consist of various sub-regions. Gold standard labeling of these sub-regions in radiographic imaging is essential for both clinical and computational studies, including radiomic and radiogenomic analyses. Towards this end, we release segmentation labels and radiomic features for all pre-operative multimodal magnetic resonance imaging (MRI) (n=243) of the multi-institutional glioma collections of The Cancer Genome Atlas (TCGA), publicly available in The Cancer Imaging Archive (TCIA). Pre-operative scans were identified in both glioblastoma (TCGA-GBM, n=135) and low-grade-glioma (TCGA-LGG, n=108) collections via radiological assessment. The glioma sub-region labels were produced by an automated state-of-the-art method and manually revised by an expert board-certified neuroradiologist. An extensive panel of radiomic features was extracted based on the manually-revised labels. This set of labels and features should enable i) direct utilization of the TCGA/TCIA glioma collections towards repeatable, reproducible and comparative quantitative studies leading to new predictive, prognostic, and diagnostic assessments, as well as ii) performance evaluation of computer-aided segmentation methods, and comparison to our state-of-the-art method.