AATCT-IDS：用于图像去噪、语义分割与放射组学评估的腹部脂肪组织CT图像基准数据集
图像与视频处理
2023-08-17 v1 计算机视觉与模式识别
机器学习
摘要
方法：本研究制备并发布了一个包含300名受试者的基准腹部脂肪组织CT图像数据集（AATTCT-IDS）。AATTCT-IDS公开了13,732张原始CT切片，研究人员对其中的3,213张具有相同层间距的切片逐一标注了皮下与内脏脂肪组织区域，以验证去噪方法、训练语义分割模型并研究放射组学。针对不同的任务，本文结合可视化结果与评估数据，比较并分析了多种方法在AATTCT-IDS上的性能，从而验证该数据集在上述三类任务中的研究潜力。结果：在图像去噪的比较研究中，采用平滑策略的算法以牺牲图像细节为代价抑制混合噪声，并获得更好的评估数据；BM3D等方法较好地保留了原始图像结构，尽管评估数据略低。结果显示它们之间存在显著差异。在腹部脂肪组织语义分割的比较研究中，各模型对脂肪组织的分割结果呈现出不同的结构特征。其中，BiSeNet以最短的训练时间获得了仅略逊于U-Net的分割结果，并有效分离了细小且孤立的脂肪组织。此外，基于AATTCT-IDS的放射组学研究揭示了受试者群体中的三种脂肪分布。结论：AATTCT-IDS包含腹部CT切片中脂肪组织区域的真值。该开源数据集可吸引研究者探索腹部脂肪组织的多维特征，从而在临床实践中帮助医师与患者。AATCT-IDS以非商业目的免费发布于：\url{https://figshare.com/articles/dataset/AATTCT-IDS/23807256}。
引用
@article{arxiv.2308.08172,
title = {AATCT-IDS: A Benchmark Abdominal Adipose Tissue CT Image Dataset for Image Denoising, Semantic Segmentation, and Radiomics Evaluation},
author = {Zhiyu Ma and Chen Li and Tianming Du and Le Zhang and Dechao Tang and Deguo Ma and Shanchuan Huang and Yan Liu and Yihao Sun and Zhihao Chen and Jin Yuan and Qianqing Nie and Marcin Grzegorzek and Hongzan Sun},
journal= {arXiv preprint arXiv:2308.08172},
year = {2023}
}
备注
17 pages, 7 figures