FUSeg：足部溃疡分割挑战赛
图像与视频处理
2022-01-04 v1 计算机视觉与模式识别
机器学习
摘要
病因各异的急性和慢性伤口给医疗系统带来经济负担。高级伤口护理市场估计到 2024 年将达到 220 亿美元。伤口护理专业人员高度依赖图像与图像记录来提供恰当诊断与治疗。图像中伤口边界的分割是护理与诊断方案的关键环节，因为估算伤口面积并提供治疗的定量测量十分重要。遗憾的是，该过程非常耗时且需要高水平专业知识。近来基于深度学习的自动伤口分割方法展现出有前景的性能，但需要大型数据集训练，且尚不清楚哪些方法表现更优。为解决这些问题，我们提出了与 2021 年医学图像计算与计算机辅助干预国际会议（MICCAI）联合举办的足部溃疡分割挑战赛（FUSeg）。我们构建了一个伤口图像数据集，包含 2 年间从 889 名患者收集的 1,210 张足部溃疡图像。它由伤口护理专家逐像素标注，并划分为含 1010 张图像的训练集与含 200 张图像的测试集用于评估。全球各团队开发了自动化方法在测试集上预测伤口分割，其标注保密。预测依据平均 Dice 系数评估与排名。FUSeg 挑战赛在会后仍作为伤口分割的基准保持开放。
引用
@article{arxiv.2201.00414,
title = {FUSeg: The Foot Ulcer Segmentation Challenge},
author = {Chuanbo Wang and Amirreza Mahbod and Isabella Ellinger and Adrian Galdran and Sandeep Gopalakrishnan and Jeffrey Niezgoda and Zeyun Yu},
journal= {arXiv preprint arXiv:2201.00414},
year = {2022}
}