AbdomenCT-1K：腹部器官分割是否已解决的问题？
计算机视觉与模式识别
2021-07-22 v2
摘要
随着深度学习的空前发展，主要腹部器官的自动分割似乎已成为一个已解决的问题，因为最先进（SOTA）方法在许多基准数据集上取得了与评分者间差异相当的结果。然而，大多数现有腹部数据集仅包含单中心、单期相、单厂商或单病种病例，且尚不清楚优异性能是否能推广到多样化数据集。本文提出一个大规模且多样的腹部CT器官分割数据集，称为AbdomenCT-1K，包含来自12个医疗中心的超过1000（1K）份CT扫描，涵盖多期相、多厂商和多病种病例。此外，我们对肝脏、肾脏、脾脏和胰腺分割进行了大规模研究，揭示了SOTA方法尚未解决的分割问题，例如在不同医疗中心、期相和未见疾病上有限的泛化能力。为推进这些未解决问题，我们进一步构建了全监督、半监督、弱监督和持续学习四个器官分割基准，这些目前均为具有挑战性且活跃的研究课题。相应地，我们为每个基准开发了一种简单有效的方法，可用作开箱即用的方法和强基线。我们相信AbdomenCT-1K数据集将促进未来面向临床适用腹部器官分割方法的深入研究。数据集、代码和训练模型已公开于 https://github.com/JunMa11/AbdomenCT-1K。
引用
@article{arxiv.2010.14808,
title = {AbdomenCT-1K: Is Abdominal Organ Segmentation A Solved Problem?},
author = {Jun Ma and Yao Zhang and Song Gu and Cheng Zhu and Cheng Ge and Yichi Zhang and Xingle An and Congcong Wang and Qiyuan Wang and Xin Liu and Shucheng Cao and Qi Zhang and Shangqing Liu and Yunpeng Wang and Yuhui Li and Jian He and Xiaoping Yang},
journal= {arXiv preprint arXiv:2010.14808},
year = {2021}
}
备注
20 pages