NLSTseg: Un conjunto de datos de cáncer de pulmón a nivel de píxeles basado en imágenes NLST LDCT

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• En el campo de la oncología

Sus antecedentes:

• La tomografía computarizada de baja dosis (LDCT) es crucial para la detección temprana del cáncer de pulmón.
• Los sistemas de diagnóstico asistido por computadora (CAD) ayudan a los radiólogos, pero requieren extensos conjuntos de datos anotados.
• Los conjuntos de datos públicos existentes con anotaciones de segmentación a nivel de píxeles para las imágenes de LDCT son limitados.

Objetivo del estudio:

• Desarrollar un nuevo conjunto de datos de acceso público con anotaciones a nivel de píxeles de las lesiones pulmonares de las imágenes del LDCT.
• Abordar la escasez de datos anotados para la capacitación de sistemas CAD basados en IA en el diagnóstico de cáncer de pulmón.

Principales métodos:

• Se utilizaron imágenes LDCT del ensayo nacional de cribado pulmonar (NLST).
• Anotó 715 lesiones pulmonares (662 tumores, 53 nódulos) en 605 exploraciones de pacientes.
• Incluye información detallada sobre el volumen y la ubicación de la lesión.

Principales resultados:

• El conjunto de datos incluye escáneres LDCT de 605 pacientes con 715 lesiones pulmonares anotadas.
• Los volúmenes de lesión variaron significativamente, con una mayoría (500) de menos de 5 cm3.
• Un modelo 2D U-Net entrenado en este conjunto de datos logró una intersección de 0,95 sobre la Unión (IoU) en el conjunto de entrenamiento.

Conclusiones:

• El conjunto de datos desarrollado mejora significativamente la diversidad y la usabilidad de los recursos de anotación del cáncer de pulmón.
• Se espera que este recurso acelere el desarrollo y la adopción clínica de sistemas CAD basados en IA para el cribado del cáncer de pulmón.
• Facilita una mayor precisión y eficiencia en la interpretación de las exploraciones LDCT para la detección temprana del cáncer de pulmón.