RibSeg v2：用于肋骨标注与解剖中心线提取的大规模基准
图像与视频处理
2023-08-02 v4 计算机视觉与模式识别
机器学习
摘要
自动肋骨标注与解剖中心线提取是多种临床应用常见的先决条件。先前研究或使用外界无法获取的院内数据集，或聚焦于忽视肋骨标注临床意义的肋骨分割。为解决这些问题，我们将先前关于二值肋骨分割任务的数据集(RibSeg)扩展为一个综合基准，命名为 RibSeg v2，包含 660 例 CT 扫描(共计 15,466 根独立肋骨)以及由专家人工核查的用于肋骨标注与解剖中心线提取的标注。基于 RibSeg v2，我们开发了一条包含基于深度学习方法的肋骨标注流程，以及一种基于骨架化方法的中心线提取流程。为提升计算效率，我们提出了 CT 扫描的稀疏点云表示，并与标准稠密体素网格进行比较。此外，我们设计并分析了评估指标以应对各任务的关键挑战。我们的数据集、代码与模型已在线发布以促进开放研究：https://github.com/M3DV/RibSeg
引用
@article{arxiv.2210.09309,
title = {RibSeg v2: A Large-scale Benchmark for Rib Labeling and Anatomical Centerline Extraction},
author = {Liang Jin and Shixuan Gu and Donglai Wei and Jason Ken Adhinarta and Kaiming Kuang and Yongjie Jessica Zhang and Hanspeter Pfister and Bingbing Ni and Jiancheng Yang and Ming Li},
journal= {arXiv preprint arXiv:2210.09309},
year = {2023}
}
备注
10 pages, 6 figures, journal