WORD：用于CT图像腹部器官分割的大规模数据集、基准与临床适用性研究
图像与视频处理
2023-02-14 v5 计算机视觉与模式识别
摘要
全腹部器官分割在腹部病变诊断、放疗和随访中十分重要。然而，肿瘤科医生从三维体数据中勾画所有腹部器官耗时且昂贵。基于深度学习的医学图像分割已显示出减少人工勾画工作的潜力，但其仍需要大规模精细标注数据集用于训练，并且缺乏覆盖全腹部区域且带有准确详细标注的大规模数据集用于全腹部器官分割。在本工作中，我们建立了一个新的大规模全腹部器官数据集（WORD）用于算法研究和临床应用开发。该数据集包含150个腹部CT体数据（30495张切片）。每个体数据有16个器官带有精细像素级标注和基于涂鸦的稀疏标注，这可能是带有全腹部器官标注的最大数据集。几种最先进的分割方法在该数据集上进行了评估。我们还邀请了三位经验丰富的肿瘤科医生修正模型预测以衡量深度学习方法与肿瘤科医生之间的差距。随后，我们研究了WORD上的推理高效学习，因为高分辨率图像在测试阶段需要大GPU内存和长推理时间。我们进一步在该数据集上评估了基于涂鸦的标注高效学习，因为像素级人工标注耗时且昂贵。本工作为腹部多器官分割任务提供了新的基准，这些实验可作为未来研究和临床应用开发的基线。
引用
@article{arxiv.2111.02403,
title = {WORD: A large scale dataset, benchmark and clinical applicable study for abdominal organ segmentation from CT image},
author = {Xiangde Luo and Wenjun Liao and Jianghong Xiao and Jieneng Chen and Tao Song and Xiaofan Zhang and Kang Li and Dimitris N. Metaxas and Guotai Wang and Shaoting Zhang},
journal= {arXiv preprint arXiv:2111.02403},
year = {2023}
}
备注
Accepted to Medical Image Analysis, dataset at: https://github.com/HiLab-git/WORD (we corrected the results or description in this version.)