CBCTLiTS：用于分割与风格迁移的合成、配对 CBCT/CT 数据集
计算机视觉与模式识别
2024-07-23 v1
摘要
医学影像在计算机辅助干预中占据重要位置。尤其是锥形束 CT（CBCT）凭借其准实时和便携性优势，发挥着重要作用。然而，CBCT 图像常常受到各种伪影的干扰，这给准确解读提出了挑战，催生了针对临床应用的先进算法研究。本文介绍了 CBCTLiTS，一个用于分割的合成、标记 CBCT 数据集，包含配对且对齐的高质量 CT 数据。CBCT 数据提供了 5 个不同的质量等级，从大量投影、高视觉质量且伪影较轻，到少量投影且伪影严重。这使得在质量作为自由度的情况下进行深入研究成为可能。我们还提供了若干可能的研究场景基线，包括单模态分割、多模态分割、多任务学习以及风格迁移后分割，从简单的文件分割到复杂的肝肿瘤分割。CBCTLiTS 可通过 https://www.kaggle.com/datasets/maximiliantschuchnig/cbct-liver-and-liver-tumor-segmentation-train-data 获得。
引用
@article{arxiv.2407.14853,
title = {CBCTLiTS: A Synthetic, Paired CBCT/CT Dataset For Segmentation And Style Transfer},
author = {Maximilian E. Tschuchnig and Philipp Steininger and Michael Gadermayr},
journal= {arXiv preprint arXiv:2407.14853},
year = {2024}
}
备注
Accepted at VCBM 2024 - https://conferences.eg.org/vcbm2024/