ReXGroundingCT：用于从免文本报告分割 CT 扫描发现的 3D 胸部 CT 数据集
图像与视频处理
2025-10-28 v2 人工智能
计算机视觉与模式识别
摘要
我们介绍 ReXGroundingCT，这是第一个将免文本发现与胸部 CT 扫描中像素级 3D 分割相链接的数据集。该数据集包含 3,142 例非对比胸部 CT 扫描，配有来自 CT-RATE 的标准化放射学报告。构建过程遵循三阶段管道：首先使用 GPT-4 从最初以土耳其语书写并经机器翻译成英文的报告中提取并标准化发现、描述和元数据；其次使用 GPT-4o-mini 将每个发现分类到肺部和胸膜异常的分层本体中；最后为所有 CT 体积进行 3D 标注：训练集由具备资质的放射科医生进行质量审核，验证集和测试集则完全由具备资质的放射科医生完成标注。此外，还创建了一个补充的链式思考数据集，用于提供针对在 CT 体积中定位发现的分步分层解剖学推理，使用 GPT-4o 和由器官分割模型派生的局部坐标。ReXGroundingCT 包含 16,301 个标注实体，覆盖 8,028 条文本到 3D 分割配对，涵盖 3,142 例非对比 CT 扫描中的多样化放射学模式。约 79% 的发现为局部异常，21% 为非局部异常。该数据集包括 50 例公开验证集和 100 例私有测试集，均由具备资质的放射科医生完成标注。该数据集为在 CT 成像中实现免文本发现分割和依托化放射学报告生成提供了基础。在私有测试集上的模型性能已在公开排行榜处于 https://rexrank.ai/ReXGroundingCT。该数据集可在 https://huggingface.co/datasets/rajpurkarlab/ReXGroundingCT 获取。
引用
@article{arxiv.2507.22030,
title = {ReXGroundingCT: A 3D Chest CT Dataset for Segmentation of Findings from Free-Text Reports},
author = {Mohammed Baharoon and Luyang Luo and Michael Moritz and Abhinav Kumar and Sung Eun Kim and Xiaoman Zhang and Miao Zhu and Mahmoud Hussain Alabbad and Maha Sbayel Alhazmi and Neel P. Mistry and Lucas Bijnens and Kent Ryan Kleinschmidt and Brady Chrisler and Sathvik Suryadevara and Sri Sai Dinesh Jaliparthi and Noah Michael Prudlo and Mark David Marino and Jeremy Palacio and Rithvik Akula and Di Zhou and Hong-Yu Zhou and Ibrahim Ethem Hamamci and Scott J. Adams and Hassan Rayhan AlOmaish and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2507.22030},
year = {2025}
}