面向头颈部CT基于内容的索引与检索及脓肿分割
计算机视觉与模式识别
2025-12-03 v2
摘要
头颈部的脓肿是一种急性感染过程，如果未能及时诊断和治疗，可能导致败血症或死亡。在影像上准确检测和 delineate 这些病变对于诊断、治疗规划和手术干预至关重要。在本研究中，我们引入了AbscessHeNe，一个经过整理和全面标注的数据集，包含4926张对比增强CT切片，临床确认了头颈部脓肿。该数据集旨在促进开发能够准确 delineate 脓肿边界并评估深颈部间隙受累的鲁棒语义分割模型，从而支持明智的临床决策。为了建立性能基线，我们评估了几种最先进的分割架构，包括CNN、Transformer和Mamba模型。表现最好的模型实现了Dice相似系数0.39、交并比0.27和归一化表面距离0.67，表明了这项任务的挑战性以及进一步研究的必要性。除了分割之外，AbscessHeNe的结构支持未来在基于内容的多媒体索引和基于案例的检索中的应用。每张CT扫描都关联了像素级标注和临床元数据，为构建智能检索系统和支持知识驱动的临床工作流程奠定了基础。该数据集将在https://github.com/drthaodao3101/AbscessHeNe.git公开获取。
引用
@article{arxiv.2512.01589,
title = {Toward Content-based Indexing and Retrieval of Head and Neck CT with Abscess Segmentation},
author = {Thao Thi Phuong Dao and Tan-Cong Nguyen and Trong-Le Do and Truong Hoang Viet and Nguyen Chi Thanh and Huynh Nguyen Thuan and Do Vo Cong Nguyen and Minh-Khoi Pham and Mai-Khiem Tran and Viet-Tham Huynh and Trong-Thuan Nguyen and Trung-Nghia Le and Vo Thanh Toan and Tam V. Nguyen and Minh-Triet Tran and Thanh Dinh Le},
journal= {arXiv preprint arXiv:2512.01589},
year = {2025}
}
备注
The 2025 IEEE International Conference on Content-Based Multimedia Indexing (IEEE CBMI)