为肺结节分析的深度学习准备CT成像数据集:来自四个知名数据集的见解

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机科学 计算机科学

背景情况:

• 深度学习对于CT扫描中自动肺结节检测,细分和分类至关重要.
• 在使用深度学习模型之前,CT扫描数据需要大量准备,包括许可,访问,注释和预处理.
• 结合肺结节CT成像和AI工程的跨学科研究需要全面的数据准备策略.

研究的目的:

• 为研究人员提供关于为肺结节分析中的深度学习模型准备CT图像数据的详细指南.
• 为人工智能驱动的肺结节研究标准化数据准备过程.
• 为每个准备步骤提供实际实施细节,包括所需的流程,必要性以及示例代码/工具.

主要方法:

• 使用了四个大规模数据集:LIDC-IDRI,LUNA16,NLST和NELSON.
• 按时间顺序呈现了数据集准备管道.
• 确定了通用和肺结节特定的数据准备步骤.

主要成果:

• 详细介绍了用于肺结节研究的CT图像应用深度学习之前所需的各种数据准备步骤.
• 为每个已识别的步骤提供所需的流程,必要性和示例代码或工具.
• 提供了不同数据准备步骤的原则和顺序的清晰演示.

结论:

• 研究人员必须根据他们的具体研究问题仔细选择数据集,注释和预处理方法.
• 了解辅助工具和代码的范围和局限性对于成功实施至关重要.
• 拟议的标准化数据准备流程,以及建议的代码和工具,可以快速实现数据准备管道.