CT-SCOPE: conjunto de datos anotados de tomografías computarizadas para la segmentación semántica automática de las...

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Visión por computadora

Sus antecedentes:

• La tomografía computarizada (TC) es crucial para el análisis del seno paranasal.
• El desarrollo de modelos robustos de IA para la segmentación de imágenes médicas requiere conjuntos de datos diversos y bien anotados.
• La variabilidad en los dispositivos de TC y las condiciones de grabación plantean desafíos para la generalización del modelo de IA.

Objetivo del estudio:

• Introducir un conjunto de datos completo de tomografías computarizadas del seno paranasal.
• Facilitar la formación y evaluación de modelos de aprendizaje profundo para la segmentación de la estructura ósea.
• Apoyar la investigación en la adaptación del dominio y la generalización entre dispositivos para la IA médica.

Principales métodos:

• Se recogieron tomografías computarizadas de 40 sujetos en 6 hospitales y 4 dispositivos de tomografía computarizada.
• Proporcionó máscaras de segmentación semántica anotadas manualmente para 13 sujetos.
• Se incluyen pseudoetiquetas generadas automáticamente para escaneos sin anotación y formatos DICOM/PNG sin procesar.

Principales resultados:

• El conjunto de datos comprende 40 sujetos con diferentes condiciones de imagen.
• El subconjunto anotado incluye 696 máscaras para estructuras óseas.
• Se proporcionan pseudoetiquetas para las exploraciones no anotadas para aumentar los datos.

Conclusiones:

• El conjunto de datos es un recurso valioso para el avance de la IA en el análisis de imágenes médicas.
• Permite la investigación sobre la robustez del modelo de segmentación y la adaptación del dominio.
• Facilita el desarrollo de herramientas de IA más generalizables para la imagen de senos paranasales.