MiceBoneChallenge：面向微-CT 鼠骨扫描的自动生长板检测的公开数据集与六个解决方案

在药物预临床研究中，检测和量化微-CT 扫描中小鼠骨骼的变化是常见任务，但该任务依赖人工操作，耗时且存在观察者间及观察者内变异性。2024 年，Anonymous Company 组织了内部挑战，以开发自动骨骼量化模型。我们准备并标注了来自 83 只小鼠的高质量 3D $\mu$CT 骨骼扫描数据集。该挑战吸引了来自全球超过 80 位 AI 科学家的参赛者，他们组成了 23 个团队。参赛者的任务是识别骨骼生长发生的平面，这是完全自动分割骨髓骨骼的关键步骤。最终，六个计算机视觉解决方案均成功实现了对生长板平面位置的准确识别。这些解决方案在测试集上实现了均值为 $1.91\pm0.87$ 平面数的平均绝对误差，准确率已达到可供放射科医师实际使用的水平。该标注的 3D 扫描数据集及六个解决方案和源代码正在对公众开放，为研究人员提供了开发和基准测试自有方法的机会。代码、训练好的模型和数据将共享发布。