AbdomenAtlas：大规模、详细标注、跨中心腹部 CT 数据集
计算机视觉与模式识别
2025-07-09 v2
摘要
我们介绍了最大规模的腹部 CT 数据集（称为 AbdomenAtlas），包含 20,460 个三维 CT 体数据，来自 112 家医院，涵盖多样化的人口、地理和设施。AbdomenAtlas 提供 673K 高质量的腹部区域解剖结构掩码，由 10 名放射科医生团队标注。我们首先让专家放射科医生在 5,246 个 CT 体上手动标注 22 种解剖结构。随后，对剩余 CT 体执行半自动标注程序，其中放射科医生修订由 AI 预测的标注结果，反过来，AI 通过学习修订后的标注不断改进其预测。这种大规模、详细标注、跨中心数据集的需求来自两个原因。首先，AbdomenAtlas 为 AI 规模开发提供重要资源，冠以大型预训练模型，可缓解专家放射科医生的标注工作负担，以便迁移到更广泛的临床应用。其次，AbdomenAtlas 建立了大规模基准，用于评估 AI 算法——我们使用的测试数据越多，越能确保在复杂临床情境中可靠的性能。我们推出了以 AbdomenAtlas 子集为基础的 ISBI & MICCAI 挑战，名为 BodyMaps：向人类身体 3D 图谱迈进，旨在刺激 AI 创新，并对分割准确度、推理效率和域泛化性进行基准测试。我们希望 AbdomenAtlas 为更大规模的临床试验铺平道路，并为医学影像社区的实践者提供卓越的机遇。代码、模型和数据集均可在 https://www.zongweiz.com/dataset 获取。
引用
@article{arxiv.2407.16697,
title = {AbdomenAtlas: A Large-Scale, Detailed-Annotated, & Multi-Center Dataset for Efficient Transfer Learning and Open Algorithmic Benchmarking},
author = {Wenxuan Li and Chongyu Qu and Xiaoxi Chen and Pedro R. A. S. Bassi and Yijia Shi and Yuxiang Lai and Qian Yu and Huimin Xue and Yixiong Chen and Xiaorui Lin and Yutong Tang and Yining Cao and Haoqi Han and Zheyuan Zhang and Jiawei Liu and Tiezheng Zhang and Yujiu Ma and Jincheng Wang and Guang Zhang and Alan Yuille and Zongwei Zhou},
journal= {arXiv preprint arXiv:2407.16697},
year = {2025}
}
备注
Published in Medical Image Analysis