Slice-wise quality assessment of high b-value breast DWI via deep learning-based artifact detection

Probleemstelling

Diffusie-gewogen beeldvorming (DWI) wordt steeds vaker geïntegreerd in multiparametrische MRI-protocollen voor de borst om laesies te detecteren en te karakteriseren. Vooral beelden met een hoge b-waarde (b = 1500 s/mm²) zijn waardevol omdat ze de signalen van gezond weefsel onderdrukken, waardoor laesies beter zichtbaar worden. Echter, deze hoge b-waarde-acquisities zijn kwetsbaar voor intensiteitsartefacten die de diagnostische beoordeling kunnen verstoren. Deze artefacten manifesteren zich voornamelijk als:

• Hyperintensiteit: Vaak veroorzaakt door huidplooien of mislukte vetonderdrukking.
• Hypointensiteit: Vaak gerelateerd aan pulsatie-artefacten of signaalverlies door susceptibiliteit.

Deze artefacten kunnen pathologieën verbergen of nabootsen, wat leidt tot foutieve diagnoses of onnauwkeurige kwantificatie (bijv. ADC-maps). Bovendien kunnen artefacten AI-modellen beïnvloeden die op deze beelden worden getraind. Bestaande methoden, zoals die van Kapsner et al., richtten zich op Maximum Intensity Projections (MIPs), waarbij artefacten over de hele projectie kunnen verspreiden. Er was echter behoefte aan een methode om artefacten op slice-niveau te detecteren en te classificeren, inclusief een beoordeling van de ernst (zwaar vs. licht).

Methodologie

1. Dataset en Voorbereiding

• Data: Een retrospectieve, IRB-goedgekeurde studie met data van 1383 routine borst-MRI-onderzoeken (3T, Siemens) uitgevoerd tussen 2022 en medio 2023.
• Selectie: Op basis van kwalitatieve beoordeling van MIPs door een expert werden 156 gevallen geselecteerd die zowel hyper- als hypointense artefacten bevatten (met scores van 4 of 5 op een 5-puntsschaal).
• Slice-generatie: De geselecteerde volumes werden omgezet in een slice-wise dataset. Door de beelden te splitsen in linker- en rechterborst, werden in totaal 11.806 slices gegenereerd.
• Labeling: Een radioloog (onder toezicht van een senior radioloog) labelde de slices op een 6-puntsschaal (1: geen artefact tot 6: ambigu). Voor de training werden scores 1-2 gegroepeerd als "geen/significante artefacten" (Class 0) en scores 3-5 als "potentieel significante artefacten" (Class 1).
• Preprocessing: Maskers werden toegepast om alleen borstweefsel te behouden (gebaseerd op T1-beelden). Beelden werden gerescaled naar 0-255, omgerekend naar JPEG, en herschaald naar 160x128 pixels. Data-augmentatie (rotatie, spiegeling) werd toegepast.

2. Deep Learning Architectuur
Drie Convolutional Neural Networks (CNNs) werden getraind:

• DenseNet121
• ResNet18
• SEResNet50

3. Trainingsstrategie

• Binaire classificatie: Om te bepalen of een artefact aanwezig is (significant vs. niet-significant).
• Multiclass classificatie: Om de ernst van het artefact te gradueren (Class 1 t/m 5).
• Data Split: Stratified split (70% train, 15% validatie, 15% test) op case-niveau om data-leakage te voorkomen.
• Optimalisatie: Gebruik van Adam-optimizer, cross-entropy loss, en class-weights om onbalans in de dataset aan te pakken.

4. Evaluatie en Visualisatie

• Kwantitatieve metrics: AUROC, AUPRC, precisie, recall en nauwkeurigheid.
• Kwalitatieve evaluatie: Om de locatie van de voorspelde artefacten te visualiseren, werden bounding boxes gegenereerd op basis van Grad-CAM heatmaps (gethreshold op 0.2). Een radioloog evalueerde de precisie van deze boxes op een 5-puntsschaal.
• Inter-observer overeenkomst: Cohen's kappa werd gebruikt om de overeenkomst tussen het model en menselijke beoordelaars (GT, V1, V2) te meten.

Belangrijkste Resultaten

1. Modelprestaties (Binaire Classificatie)

• DenseNet121 presteerde het beste op de validatie- en testsetten.
• Hyperintense artefacten: AUROC van 0,92 en AUPRC van 0,77 op de testset.
• Hypointense artefacten: AUROC van 0,94 en AUPRC van 0,92 op de testset.
• De recall voor hypointense artefacten was zeer hoog (0,91), wat betekent dat het model zelden ernstige hypointense artefacten mist.

2. Multiclass Classificatie

• DenseNet121 bereikte een gewogen AUROC van 0,85 voor hyperintense en 0,88 voor hypointense artefacten.
• Het model toonde een sterke prestatie bij het onderscheiden van de meest ernstige gevallen (Class 5): er waren geen gevallen waarbij ernstige hyperintense artefacten werden verward met "geen artefact" (Class 1).
• Moeilijkheden deden zich voor bij de "intermediaire" klassen (2 en 3), wat ook voor menselijke lezers een uitdaging is.

3. Lokalisatie (Bounding Boxes)

• Hyperintens: Gemiddelde score van 3,33 ± 1,04 op de 5-puntsschaal. De meeste boxes (53%) scoorden 4 of 5 (goede tot precieze dekking).
• Hypointens: Gemiddelde score van 2,62 ± 0,81. De dekking was hier minder nauwkeurig, met veel scores rond de 3 (algemene dekking met randoverschrijding).

4. Overeenkomst Mens vs. Model

• De overeenkomst tussen het model en menselijke beoordelaars varieerde van "licht" tot "matig" (Cohen's kappa), wat de subjectiviteit van het labelen van artefacten door mensen benadrukt.

Bijdragen en Innovatie

1. Slice-wise Detectie: In tegenstelling tot eerdere MIP-gebaseerde studies, biedt deze methode een gedetailleerde analyse op het niveau van individuele slices, wat essentieel is voor lokale artefactdetectie.
2. Dual Detectie: Het systeem detecteert en classificeert zowel hyper- als hypointense artefacten simultaan.
3. Ernst-classificatie: Het introduceert een multiclass-aanpak om de ernst van artefacten te gradueren, wat nuttig is voor kwaliteitscontrole en beslissingen over herhaling van scans.
4. Interpreteerbaarheid: Door het gebruik van Grad-CAM voor het genereren van bounding boxes, biedt het model visuele feedback over waar het model het artefact ziet.

Betekenis en Toekomstperspectief

De studie toont aan dat diep leeren (specifiek DenseNet121) zeer effectief is voor het detecteren van artefacten in hoge b-waarde borst-DWI-beelden. Dit heeft directe klinische relevantie:

• Kwaliteitscontrole: Het kan worden ingezet als een automatisch hulpmiddel om scans te screenen op artefacten voordat ze door een radioloog worden beoordeeld.
• Technische feedback: Het kan technici waarschuwen om een scan te herhalen of de acquisitie-instellingen aan te passen (bijv. andere vetonderdrukkingstechnieken) als er ernstige artefacten worden gedetecteerd.
• AI-robustheid: Het helpt bij het filteren van slechte data voor het trainen van andere AI-modellen voor laesiedetectie.

Beperkingen:

• De dataset is afkomstig van één centrum, wat de generaliseerbaarheid beperkt.
• De bounding boxes zijn afgeleid van classificatie-heatmaps en niet van een dedicated detection-model (zoals YOLO of Faster R-CNN), wat de lokale precisie beperkt.
• De data is beperkt tot b=1500 s/mm²; uitbreiding naar lagere b-waarden vereist nieuwe training.

Concluderend biedt deze studie een veelbelovende basis voor geautomatiseerde kwaliteitsborging in de borst-MRI, hoewel verdere validatie op multi-centrum data en de ontwikkeling van dedicated detection-modellen noodzakelijk zijn voor klinische implementatie.