效率 vs. 有效性：基于简单基准框架评估脑血管三维分割中压缩比与 Dice 评分的关系
计算机视觉与模式识别
2025-12-18 v3 信号处理
摘要
医学成像数据集的增大和复杂性，尤其是三维数据集，为协作性研究和可移植性带来了重大障碍。本研究探讨了 ZFP 压缩技术是否可以在不损害自动脑血管分割性能（这是脑内动脉瘤检测的关键第一步）的情况下缓解这些挑战。我们对 ZFP 在其容差模式和固定比率模式下应用于文献中规模大且最新的数据集，包含 ground-truth 血管分割的 3D 医学数据集。严格地将压缩体积上的分割质量与未压缩基线进行比较（Dice 约等于 0.8774）。我们的发现表明，ZFP 能够实现显著的数据降低——在容差模式下达到 22.89:1 的压缩比——同时保持高度保真度，平均 Dice 系数保持在 0.87656 左右。这些结果表明 ZFP 是一种可行且强大的工具，可用于更高效地进行大规模医学数据集的研究，促进社区范围内的更广泛合作。
引用
@article{arxiv.2510.03769,
title = {Efficiency vs. Efficacy: Assessing the Compression Ratio-Dice Score Relationship through a Simple Benchmarking Framework for Cerebrovascular 3D Segmentation},
author = {Shimaa Elbana and Ahmad Kamal and Shahd Ahmed Ali and Ahmad Al-Kabbany},
journal= {arXiv preprint arXiv:2510.03769},
year = {2025}
}