KiTS19 挑战数据集：300 例具临床背景、CT 语义分割与手术结果的肾肿瘤病例
定量方法
2020-03-17 v2 机器学习
机器学习
摘要
对比增强计算机断层扫描(CT)成像所揭示的肾肿瘤形态学是围绕病灶诊断与治疗的临床决策中的重要因素。由于数据稀缺以及手动量化影像预测因子的费力性质，肾肿瘤形态学与临床结果之间关系的定量研究十分困难。肾脏与肾肿瘤的自动语义分割是一种有前景的工具，可自动量化广泛的形态测量特征，但目前尚无可供训练该任务模型的足量标注数据集。我们呈献 KiTS19 挑战数据集：一组多期相 CT 影像、分割掩码以及 2010 至 2018 年间于本中心因肾肿瘤接受肾切除术的 300 名患者的综合临床结果。其中 210 名(70%)患者被随机选为 2019 MICCAI KiTS 肾肿瘤分割挑战赛的训练集并已公开发布。凭借临床背景与手术结果的存在，该数据不仅可用于基准测试语义分割模型，还可用于开发和研究利用影像与语义分割掩码的生物标志物。
引用
@article{arxiv.1904.00445,
title = {The KiTS19 Challenge Data: 300 Kidney Tumor Cases with Clinical Context, CT Semantic Segmentations, and Surgical Outcomes},
author = {Nicholas Heller and Niranjan Sathianathen and Arveen Kalapara and Edward Walczak and Keenan Moore and Heather Kaluzniak and Joel Rosenberg and Paul Blake and Zachary Rengel and Makinna Oestreich and Joshua Dean and Michael Tradewell and Aneri Shah and Resha Tejpaul and Zachary Edgerton and Matthew Peterson and Shaneabbas Raza and Subodh Regmi and Nikolaos Papanikolopoulos and Christopher Weight},
journal= {arXiv preprint arXiv:1904.00445},
year = {2020}
}
备注
13 pages, 2 figures