CIRDataset：用于临床可解释肺结节放射组学及恶性预测的大规模数据集
图像与视频处理
2022-07-01 v1 计算机视觉与模式识别
摘要
毛刺/分叶（肺结节表面的尖锐/弯曲棘突）是肺癌恶性的良好预测因子，因此放射科医生作为标准化Lung-RADS临床评分标准的一部分常规评估并报告。鉴于结节的3D几何形状以及放射科医生逐层2D评估，人工毛刺/分叶标注是一项繁琐任务，因此迄今为止尚无公开数据集用于探究这些临床报告特征在SOTA恶性预测算法中的重要性。作为本文的一部分，我们发布了一个大规模临床可解释放射组学数据集CIRDataset，包含来自两个公开数据集LIDC-IDRI (N=883)和LUNGx (N=73)的分割肺结节上956个经放射科医生QA/QC的毛刺/分叶标注。我们还提出了一种基于多类Voxel2Mesh扩展的端到端深度学习模型，用于分割结节（同时保留棘突）、分类棘突（尖锐/毛刺和弯曲/分叶）并进行恶性预测。先前的方法已对LIDC和LUNGx数据集进行恶性预测，但未能稳健归因到任何临床报告/可操作特征（由于通用归因方案已知的超参数敏感性问题）。随着该全面标注的CIRDataset和端到端深度学习基线的发布，我们希望恶性预测方法能够验证其解释、与我们的基线进行基准比较，并提供临床可操作的见解。数据集、代码、预训练模型和docker容器可在 https://github.com/nadeemlab/CIR 获取。
引用
@article{arxiv.2206.14903,
title = {CIRDataset: A large-scale Dataset for Clinically-Interpretable lung nodule Radiomics and malignancy prediction},
author = {Wookjin Choi and Navdeep Dahiya and Saad Nadeem},
journal= {arXiv preprint arXiv:2206.14903},
year = {2022}
}
备注
MICCAI 2022