一种多任务肝脏图像基准数据集
计算机视觉与模式识别
2025-11-26 v1 人工智能
摘要
计算机辅助诊断 (CAD) 技术可以帮助临床医生评估肝脏病变并及时干预治疗。尽管 CAD 技术在最近年来取得了进展，但现有数据集的应用范围相对有限，通常仅支持单一任务，这有一定限制了 CAD 技术的发展。为此本文构建了一个用于肝脏和肿瘤分割、多标签病灶分类和病灶检测的多任务肝脏数据集 (LiMT)，基于动脉相增强 CT，可能提供一种能够探索任务之间相关性且无需担心任务特定数据集之间的异质性训练的解决方案。该数据集包括来自 150 个不同病例的 CT 体积，包含四类肝脏疾病及正常情况。每个体积均由经验丰富的临床医生仔细标注并校准。这个公开的多任务数据集可能成为医学影像研究社区的宝贵资源。此外，本文不仅提供相关基线实验结果，还综述了与肝脏相关任务的现有数据集和方法。我们的数据集可在 https://drive.google.com/drive/folders/1l9HRK13uaOQTNShf5pwgSz3OTanWjkag?usp=sharing 获取。
引用
@article{arxiv.2511.19887,
title = {Distilling Cross-Modal Knowledge via Feature Disentanglement},
author = {Junhong Liu and Yuan Zhang and Tao Huang and Wenchao Xu and Renyu Yang},
journal= {arXiv preprint arXiv:2511.19887},
year = {2025}
}
备注
Accepted by AAAI 2026