高效多级肺动脉自动分割：PARSE 挑战赛
图像与视频处理
2024-08-12 v2 计算机视觉与模式识别
摘要
在 CTPA 图像中对多级（即主肺和分支）肺动脉（PA）进行高效自动分割在临床应用中起着重要作用。然而，大多数现有方法仅分别关注主 PA 或分支 PA 分割，而忽略了分割效率。此外，没有专注于 PA 分割的公开大规模数据集，这使得比较不同方法极具挑战性。为了对多级 PA 分割算法进行基准测试，我们组织了首届 \textbf{P}ulmonary \textbf{AR}tery \textbf{SE}gmentation（PARSE）挑战赛。一方面，我们同时关注主 PA 和分支 PA 的分割。另一方面，为了更好地临床应用，我们在保证 PA 分割精度的同时，对分割效率（主要是推理期间的运行时间和 GPU 内存消耗）赋予相同的分数权重。我们展示了顶尖算法的概要，并为高效准确的多级 PA 自动分割提供一些建议。我们提供 PARSE 挑战赛作为开放获取资源，供社区在 \url{https://parse2022.grand-challenge.org/Parse2022/} 上基准测试未来的算法开发。
引用
@article{arxiv.2304.03708,
title = {Efficient automatic segmentation for multi-level pulmonary arteries: The PARSE challenge},
author = {Gongning Luo and Kuanquan Wang and Jun Liu and Shuo Li and Xinjie Liang and Xiangyu Li and Shaowei Gan and Wei Wang and Suyu Dong and Wenyi Wang and Pengxin Yu and Enyou Liu and Hongrong Wei and Na Wang and Jia Guo and Huiqi Li and Zhao Zhang and Ziwei Zhao and Na Gao and Nan An and Ashkan Pakzad and Bojidar Rangelov and Jiaqi Dou and Song Tian and Zeyu Liu and Yi Wang and Ampatishan Sivalingam and Kumaradevan Punithakumar and Zhaowen Qiu and Xin Gao},
journal= {arXiv preprint arXiv:2304.03708},
year = {2024}
}