基于 RibFrac 挑战赛的 CT 肋骨骨折实例分割与分类

肋骨骨折是一种常见且可能严重的损伤，在 CT 扫描中检测起来既具有挑战性又耗费人力。尽管已有 efforts 致力于解决这一领域的问题，但缺乏大规模标注数据集和评估基准阻碍了深度学习算法的开发与验证。为解决这一问题，RibFrac 挑战赛应运而生，提供了一个包含来自 660 次 CT 扫描的超过 5000 例肋骨骨折的基准数据集，具有体素级实例掩膜标注和四种临床类别（青枝骨折、无移位、移位或节段性）的诊断标签。该挑战赛包括两个赛道：由 FROC 风格指标评估的检测（实例分割）赛道，以及由 F1 风格指标评估的分类赛道。在 MICCAI 2020 挑战赛期间，共评估了 243 个结果，并邀请了七支队伍参与挑战赛总结。分析显示，几种顶尖的肋骨骨折检测解决方案达到了与人类专家相当甚至更优的性能。然而，当前的肋骨骨折分类解决方案几乎难以临床应用，这可能是未来一个有趣的研究方向。作为一个活跃的基准和研究资源，RibFrac 挑战赛的数据和在线评估可在挑战赛网站获取。作为一项独立贡献，我们还通过结合大规模预训练网络的最新进展和基于点的肋骨分割技术，扩展了我们之前的内部基线。由此产生的 FracNet+ 在肋骨骨折检测方面表现出具有竞争力的性能，为 AI 辅助肋骨骨折检测和诊断的进一步研究与发展奠定了基础。