흑색종 뇌 전이의 심층 학습 기반 아틀라스 정합: 병리학적 특징을 보존하면서 코호트 수준의 분석을 가능하게 하는 방법

Deep-Learning Atlas Registration for Melanoma Brain Metastases: Preserving Pathology While Enabling Cohort-Level Analyses

흑색종 뇌 전이는 흔하게 발생하며 공간적으로 이질적인 병변으로, 해부학적 변동성과 MRI 프로토콜의 차이로 인해 코호트 수준의 분석을 어렵게 만듭니다. 본 연구에서는 병변 마스크나 전처리 과정 없이, 개별 뇌 이미지를 공통 아틀라스에 정합하면서 전이 조직을 보존하는 완전 미분 가능한 심층 학습 기반 변형 정합 프레임워크를 제안합니다. 전이가 원인으로 발생한 해부학적 대응 관계의 누락은, 거리 변환된 해부학적 레이블을 기반으로 하는 순방향 모델 유사성 지표와 변형의 타당성을 보장하는 부피 보존 규제 항을 결합하여 처리합니다. 정합 성능은 Dice 계수(DSC), Hausdorff 거리(HD), 평균 대칭 표면 거리(ASSD) 및 Jacobian 기반 지표를 사용하여 평가했습니다. 본 방법은 세 기관에서 수집된 209명의 흑색종 뇌 전이 환자의 데이터를 사용하여 적용되었으며, 이를 통해 전이를 해부학적, 동맥 및 혈류 아틀라스에 표준화된 방식으로 매핑할 수 있었습니다. 본 프레임워크는 데이터 세트 전체에서 높은 정합 정확도를 달성했습니다(DSC 0.89-0.92, HD 6.79-7.60 mm, ASSD 0.63-0.77 mm) 동시에 전이 부피를 보존했습니다. 공간 분석 결과, 흑색종 뇌 전이가 대뇌 피질과 담창에서 과도하게 나타나고, 백질에서는 과소하게 나타나는 경향이 있으며, 뇌 회백질-백질 경계 부근에 일관되게 위치하는 것으로 나타났습니다. 부피 보정 후에는 어떤 동맥 영역에서도 전이 빈도가 증가하지 않았습니다. 본 접근 방식은 병변 마스크 없이 병리학적 뇌 MRI의 강력한 아틀라스 정합을 가능하게 하며, 재현 가능한 다기관 분석을 지원합니다. 흑색종 뇌 전이에 적용한 결과, 알려진 공간적 선호도를 확인하고 개선했으며, 특히 회백질-백질 경계 부근 및 피질 영역에서의 전이 가능성이 높다는 것을 확인했습니다. 공개적으로 제공되는 구현체를 통해 재현 가능한 연구를 촉진하고 다른 뇌 종양 및 신경학적 질환으로의 확장을 지원할 수 있습니다.

Melanoma brain metastases (MBM) are common and spatially heterogeneous lesions, complicating cohort-level analyses due to anatomical variability and differing MRI protocols. We propose a fully differentiable, deep-learning-based deformable registration framework that aligns individual pathological brains to a common atlas while preserving metastatic tissue without requiring lesion masks or preprocessing. Missing anatomical correspondences caused by metastases are handled through a forward-model similarity metric based on distance-transformed anatomical labels, combined with a volume-preserving regularization term to ensure deformation plausibility. Registration performance was evaluated using Dice coefficient (DSC), Hausdorff distance (HD), average symmetric surface distance (ASSD), and Jacobian-based measures. The method was applied to 209 MBM patients from three centres, enabling standardized mapping of metastases to anatomical, arterial, and perfusion atlases. The framework achieved high registration accuracy across datasets (DSC 0.89-0.92, HD 6.79-7.60 mm, ASSD 0.63-0.77 mm) while preserving metastatic volumes. Spatial analysis demonstrated significant over-representation of MBM in the cerebral cortex and putamen, under-representation in white matter, and consistent localization near the gray-white matter junction. No arterial territory showed increased metastasis frequency after volume correction. This approach enables robust atlas registration of pathological brain MRI without lesion masks and supports reproducible multi-centre analyses. Applied to MBM, it confirms and refines known spatial predilections, particularly preferential seeding near the gray-white matter junction and cortical regions. The publicly available implementation facilitates reproducible research and extension to other brain tumours and neurological pathologies.