一个具有解剖变异与多厂商扫描仪数据的计算机断层扫描椎体分割数据集
图像与视频处理
2021-03-12 v1 计算机视觉与模式识别
摘要
随着深度学习算法的出现，全自动放射影像分析已触手可及。在脊柱影像中，已有若干基于图谱与形状的以及深度学习的分割算法被提出，可实现后续形态学与病理学的自动分析。首届大规模椎体分割挑战赛（VerSe 2019）表明，这些算法在正常解剖上表现良好，但在训练数据集中不常出现的变异上会失效。基于该经验，我们报告了大幅扩充的 VerSe 2020 数据集及第二届 VerSe 挑战赛（MICCAI 2020，秘鲁利马）的结果。VerSe 2020 包含来自 300 名受试者的标注脊柱计算机断层扫描（CT）图像，含 4142 个完全显影并标注的椎体，采集自多家中心、四种不同扫描仪厂商，并增补了展现解剖变异的病例，如编号异常（n=77）与移行椎（n=161）。元数据包括椎体标注信息、通过人机混合算法获得的体素级分割掩码以及解剖学评级，以支持鲁棒且准确分割算法的开发与基准测试。
引用
@article{arxiv.2103.06360,
title = {A Computed Tomography Vertebral Segmentation Dataset with Anatomical Variations and Multi-Vendor Scanner Data},
author = {Hans Liebl and David Schinz and Anjany Sekuboyina and Luca Malagutti and Maximilian T. Löffler and Amirhossein Bayat and Malek El Husseini and Giles Tetteh and Katharina Grau and Eva Niederreiter and Thomas Baum and Benedikt Wiestler and Bjoern Menze and Rickmer Braren and Claus Zimmer and Jan S. Kirschke},
journal= {arXiv preprint arXiv:2103.06360},
year = {2021}
}
备注
18 pages, 2 figures, 2 tables; Hans Liebl, David Schinz equally contributed to this manuscript