基于计算机断层扫描的肺源肿瘤分割（LOTUS）基准
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
肺癌是最致命的癌症之一，其有效诊断和治疗在一定程度上依赖于肿瘤的准确勾画。以人为中心的分割是目前最常见的方法，存在观察者间差异，并且考虑到仅专家能够进行标注，该方法也耗时。自动和半自动肿瘤分割方法近来显示出有前景的结果。然而，由于不同研究者使用各种数据集和性能度量验证其算法，可靠地评估这些方法仍是一个开放挑战。通过 2018 年 IEEE 视频与图像处理（VIP）杯竞赛创建的基于计算机断层扫描的肺源肿瘤分割（LOTUS）基准的目标是提供独特的数据集和预定义度量，以便不同研究者能以统一方式开发和评估其方法。2018 年 VIP 杯起初有来自 42 个国家的全球参与以获取竞赛数据。在注册阶段，有来自 10 个国家的 129 名成员组成 28 支队伍，其中 9 支队伍进入决赛阶段，6 支队伍成功完成所有必需任务。简而言之，竞赛期间提出的所有算法均基于深度学习模型并结合假阳性减少技术。决赛前三名队伍开发的方法在肿瘤分割中显示出有前景的结果，然而，应投入更多努力以降低假阳性率。本竞赛论文概述了 VIP 杯挑战赛以及所提出的算法与结果。
引用
@article{arxiv.2201.00458,
title = {Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark},
author = {Parnian Afshar and Arash Mohammadi and Konstantinos N. Plataniotis and Keyvan Farahani and Justin Kirby and Anastasia Oikonomou and Amir Asif and Leonard Wee and Andre Dekker and Xin Wu and Mohammad Ariful Haque and Shahruk Hossain and Md. Kamrul Hasan and Uday Kamal and Winston Hsu and Jhih-Yuan Lin and M. Sohel Rahman and Nabil Ibtehaz and Sh. M. Amir Foisol and Kin-Man Lam and Zhong Guang and Runze Zhang and Sumohana S. Channappayya and Shashank Gupta and Chander Dev},
journal= {arXiv preprint arXiv:2201.00458},
year = {2022}
}