大规模临床 CT 头部数据集的预处理与质量控制，用于内颅动脉钙化分段
图像与视频处理
2025-07-03 v1
摘要
作为一潜在的缺血性中风非侵入性生物标志物，内颅动脉钙化 (IAC) 可用于 CT 头部扫描的中风风险评估，这些扫描通常是为了其他原因（如创伤、意识模糊）获取的。人工智能方法可支持 IAC 评分，但尚未开发用于临床成像。需要大型异构临床 CT 数据集来训练此类方法，但它们 exhibits 预期和非预期的数据异常。使用来自大型临床试验（IST-3）的数据，我们提出了一个管道，该管道将非增强 CT 扫描作为输入，输出捕获选定大内颅动脉的感兴趣区域，用于 IAC 评分。该方法使用与模板的共配准。我们关注质量控制，使用沿 z 轴的成像信息存在性来分组并应用相似性措施（结构相似性指数）来 triage 评估单个图像系列。此外，我们提出将系列的阈值化二进制掩码叠加以检查大量数据。我们识别并排除不可恢复的样本和配准失败。总体而言，我们的管道处理了 10,659 个 CT 系列，拒绝了 4,322 个（整个过程中占 41%），在质量控制期间拒绝了 1,450 个（占总数的 14%），并输出 6,337 个系列。我们的管道实现了针对 IAC 分段的有效且高效的感兴趣区域定位。
引用
@article{arxiv.2408.01199,
title = {Pre-processing and quality control of large clinical CT head datasets for intracranial arterial calcification segmentation},
author = {Benjamin Jin and Maria del C. Valdés Hernández and Alessandro Fontanella and Wenwen Li and Eleanor Platt and Paul Armitage and Amos Storkey and Joanna M. Wardlaw and Grant Mair},
journal= {arXiv preprint arXiv:2408.01199},
year = {2025}
}
备注
Accepted at the 2nd Data Engineering in Medical Imaging workshop @ MICCAI 2024