多模态全心分割算法的评估：一项开放获取的 grand challenge
计算机视觉与模式识别
2019-02-22 v1
摘要
全心解剖结构知识是许多临床应用的前提。全心分割（WHS）勾画心脏的子结构，对于心脏解剖与功能的建模和分析非常有价值。然而，由于心脏形状差异大以及临床数据图像质量不同，该分割的自动化颇为艰巨。为实现这一目标，通常需要一组训练数据来构建先验或进行训练。此外，由于所使用的数据集和评估指标存在差异，不同方法之间难以进行比较。本稿件展示了从与 MICCAI 2017 联合举办的多模态全心分割（MM-WHS）挑战赛提交作品中筛选出的 WHS 算法的方法学与评估结果。该挑战赛提供 120 幅覆盖全心三维心脏图像，包括 60 个 CT 和 60 个 MRI 体积，均在临床环境中采集并带人工勾画。来自十二个小组提交的针对 CT 数据的十种算法和针对 MRI 数据的十一种算法已得到评估。结果表明，许多基于深度学习（DL）的方法即便在训练数据集数量有限的情况下也取得了高精度。其中一些在盲法评估中结果较差，可能由于其训练中的过拟合。主要基于多图谱分割的传统算法表现出稳健且稳定的性能，尽管在 CT 分割中其精度不如最佳的 DL 方法。该挑战赛，包括提供带标注的训练数据以及对提交算法在测试数据上的盲法评估，通过其主页（\url{www.sdspeople.fudan.edu.cn/zhuangxiahai/0/mmwhs/}）作为持续的基准测试资源继续开放。
引用
@article{arxiv.1902.07880,
title = {Evaluation of Algorithms for Multi-Modality Whole Heart Segmentation: An Open-Access Grand Challenge},
author = {Xiahai Zhuang and Lei Li and Christian Payer and Darko Stern and Martin Urschler and Mattias P. Heinrich and Julien Oster and Chunliang Wang and Orjan Smedby and Cheng Bian and Xin Yang and Pheng-Ann Heng and Aliasghar Mortazi and Ulas Bagci and Guanyu Yang and Chenchen Sun and Gaetan Galisot and Jean-Yves Ramel and Thierry Brouard and Qianqian Tong and Weixin Si and Xiangyun Liao and Guodong Zeng and Zenglin Shi and Guoyan Zheng and Chengjia Wang and Tom MacGillivray and David Newby and Kawal Rhode and Sebastien Ourselin and Raad Mohiaddin and Jennifer Keegan and David Firmin and Guang Yang},
journal= {arXiv preprint arXiv:1902.07880},
year = {2019}
}
备注
14 pages, 7 figures, sumitted to Medical Image Analysis