腹部 CT 形变图像配准 (DIR) 用以验证的血管分叉标志配对数据集
计算机视觉与模式识别
2025-01-17 v1 医学物理
摘要
形变图像配准 (DIR) 是许多诊断和治疗任务的关键技术。尽管如此，DIR算法的临床应用仍受限于缺乏用于开发期间质量保证的基准数据集。为支持未来算法开发，本文引入了首个其类腹部 CT DIR 基准数据集，包含大量在匹配血管分叉处高度准确的标志配对。来自多个公共数据仓库以及本机构（获 IRB 批准）的 30 名患者的腹部 CT 图像对进行收集。每组图像对原本是在不同日期为同一患者采集的。开发并应用于每个图像对的图像处理工作流程：1) 使用深度学习模型对腹部器官进行分割，并覆盖器官掩模内的图像强度。2) 在每组图像对之间手动识别匹配的图像块。3) 在每组图像块对中一个图像上标记血管分叉标志。4) 对图像块进行形变配准，并将标志投影到第二张图像上。5) 手动或使用自动化方法细化标志配对位置。该工作流程结果产生了 1895 个标志配对，平均每个案例 63 个。使用数字幽灵体估计标志配对准确性，结果为 0.7±1.2mm。数据已发布于 Zenodo，链接为 https://doi.org/10.5281/zenodo.14362785。使用说明请参见 https://github.com/deshanyang/Abdominal-DIR-QA。该数据集是腹部 DIR 验证的首个其类数据集。标志配对的数量、准确性和分布将允许进行超越当前可获得水平的 DIR算法进行稳健验证。
引用
@article{arxiv.2501.09162,
title = {A Vessel Bifurcation Landmark Pair Dataset for Abdominal CT Deformable Image Registration (DIR) Validation},
author = {Edward R Criscuolo and Yao Hao and Zhendong Zhang and Trevor McKeown and Deshan Yang},
journal= {arXiv preprint arXiv:2501.09162},
year = {2025}
}
备注
19 pages, 3 figures