MOIS-SAM2: Exemplar-based Segment Anything Model 2 for multilesion interactive segmentation of neurofibromas in whole-body MRI
Created by
Haebom
저자
Georgii Kolokolnikov, Marie-Lena Schmalhofer, Sophie Goetz, Lennart Well, Said Farschtschi, Victor-Felix Mautner, Inka Ristow, Rene Werner
개요
본 논문은 신경섬유종증 1형(NF1) 환자의 전신 MRI(WB-MRI) 영상에서 신경섬유종(NF)을 효율적으로 분할하기 위한 새로운 상호작용적 분할 모델인 MOIS-SAM2를 제안한다. MOIS-SAM2는 최첨단 변환기 기반 프롬프트 가능 세그먼트 아무것도 모델 2(SAM2)를 기반으로 예시 기반 의미론적 전파를 확장한 모델이다. 84명의 NF1 환자의 119개 WB-MRI 스캔 데이터셋을 사용하여 훈련 및 평가되었으며, 도메인 내 및 도메인 이동(MRI 자장 세기 변화, 낮은 종양 부담, 임상 장소 및 스캐너 제조업체 차이) 시나리오를 반영하는 네 가지 테스트 세트로 나누어 평가되었다. 도메인 내 테스트 세트에서 MOIS-SAM2는 전문가 수동 주석에 대해 0.60의 스캔별 DSC를 달성하여 기준 3D nnU-Net(DSC: 0.54) 및 SAM2(DSC: 0.35)를 능가했다. 다양한 도메인 이동 시나리오에서도 우수한 성능을 유지하였으며, 특히 낮은 종양 부담의 경우 성능이 향상되었다. 병변 검출 F1 점수는 테스트 세트 전반에 걸쳐 0.62~0.78이었다. 모델과 전문가 간의 일치도는 전문가 간 일치도와 비슷한 수준이었다. 결론적으로 MOIS-SAM2는 최소한의 사용자 입력으로 효율적이고 확장 가능한 NF 분할을 가능하게 하여 임상 워크플로에 통합될 수 있는 잠재력을 보여준다.
시사점, 한계점
•
시사점:
◦
최소한의 사용자 개입으로 전신 MRI에서 다수의 신경섬유종을 효율적으로 분할할 수 있는 새로운 상호작용적 분할 모델을 제시.
◦
다양한 도메인 이동 상황에서도 견고한 성능을 보임.
◦
기존 방법보다 향상된 정확도와 확장성을 제공하여 임상적 활용 가능성을 높임.
◦
모델-전문가 간의 일치도가 전문가 간 일치도와 유사한 수준으로, 임상적 신뢰도를 확보.
•
한계점:
◦
제한된 규모의 데이터셋을 사용하여 모델을 훈련 및 평가하였으므로, 더 큰 규모의 데이터셋으로의 일반화 성능 검증 필요.
◦
다양한 종류의 신경섬유종의 특징을 완벽하게 포착하지 못할 가능성 존재.
◦
본 연구는 초기 단계의 inter-reader variability 분석 결과만 제시하였으므로, 더욱 심도있는 분석이 필요함.
