CADS：用于CT扫描全身解剖的综合解剖数据集与分割
图像与视频处理
2025-08-04 v1 计算机视觉与模式识别
摘要
准确描绘CT体扫描中解剖结构对于诊断和治疗规划至关重要。虽然AI已实现自动化分割，但现有方法通常针对单个结构，导致模型碎片化，性能参差不齐，评估协议不统一。基础分割模型通过单一模型提供整体解剖视图，但临床部署需要全面的训练数据，现有全身方法在数据异构性和更重要的解剖覆盖范围方面存在不足。本文并非追求模型架构的渐进式优化，而是提出CADS框架，强调对异构数据源进行系统性集成、标准化和标注，以实现全身CT分割。其核心为22,022个CT体数据集，包含167个解剖结构的完整标注，规模与覆盖范围显著提升，数据量是现有集合的18倍，解剖目标数量增加60%。基于此多样化数据集，我们开发了CADS模型，采用既定架构实现可访问且自动化的全身CT分割。通过对18个公开数据集和独立真实医院队列的全面评估，我们证明其优于最先进方法。值得注意的是，针对放射科学中的分割任务进行了详尽测试，验证了其直接临床干预效用。我们将大规模数据集、分割模型及临床软件工具公开，旨在推动放射学中稳健的AI解决方案，使临床医生和研究人员能够轻松获取全面解剖分析能力。
引用
@article{arxiv.2507.22953,
title = {CADS: A Comprehensive Anatomical Dataset and Segmentation for Whole-Body Anatomy in Computed Tomography},
author = {Murong Xu and Tamaz Amiranashvili and Fernando Navarro and Maksym Fritsak and Ibrahim Ethem Hamamci and Suprosanna Shit and Bastian Wittmann and Sezgin Er and Sebastian M. Christ and Ezequiel de la Rosa and Julian Deseoe and Robert Graf and Hendrik Möller and Anjany Sekuboyina and Jan C. Peeken and Sven Becker and Giulia Baldini and Johannes Haubold and Felix Nensa and René Hosch and Nikhil Mirajkar and Saad Khalid and Stefan Zachow and Marc-André Weber and Georg Langs and Jakob Wasserthal and Mehmet Kemal Ozdemir and Andrey Fedorov and Ron Kikinis and Stephanie Tanadini-Lang and Jan S. Kirschke and Stephanie E. Combs and Bjoern Menze},
journal= {arXiv preprint arXiv:2507.22953},
year = {2025}
}