ULS23挑战：用于CT三维通用病变分割的基线模型与基准数据集
图像与视频处理
2024-06-24 v2 计算机视觉与模式识别
机器学习
摘要
在随访CT检查中，肿瘤表现的尺寸测量对于评估癌症患者的治疗效果至关重要。高效的病变分割可以加速这些放射学工作流程。尽管许多基准和挑战针对特定器官（如肝脏、肾脏和肺部）的病变分割，但临床实践中遇到的更大种类的病变类型需要更通用的方法。为填补这一空白，我们引入了用于胸腹盆CT检查中三维通用病变分割的ULS23基准。ULS23训练数据集包含该区域的38,693个病变，包括具有挑战性的胰腺、结肠和骨骼病变。为评估目的，我们整理了一个包含来自284名患者的775个病变的数据集。每个病变在临床背景下被识别为目标病变，确保了该数据集的多样性和临床相关性。ULS23基准可通过uls23.grand-challenge.org公开访问，使全球研究人员能够评估其分割方法的性能。此外，我们开发并公开发布了我们的基线半监督三维病变分割模型。该模型在挑战测试集上实现了0.703 ± 0.240的平均Dice系数。我们邀请持续提交以推动未来ULS模型的发展。
引用
@article{arxiv.2406.05231,
title = {The ULS23 Challenge: a Baseline Model and Benchmark Dataset for 3D Universal Lesion Segmentation in Computed Tomography},
author = {M. J. J. de Grauw and E. Th. Scholten and E. J. Smit and M. J. C. M. Rutten and M. Prokop and B. van Ginneken and A. Hering},
journal= {arXiv preprint arXiv:2406.05231},
year = {2024}
}