SAROS:CT成像中全身区域和器官细分的数据集
Sven Koitka1,2, Giulia Baldini1,2, Lennard Kroll1
1Institute of Interventional and Diagnostic Radiology and Neuroradiology, University Hospital Essen, Essen, Germany.
Scientific data
|May 10, 2024
概括
稀有注释区域和器官细分 (SAROS) 数据集提供了一个大型的,开放的CT扫描数据集,附有详细的身体地标注释. 本资源有助于培训和评估新的医学图像细分模型.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 放射学 放射学是一门学科.
背景情况:
- 高质量的注释数据集对于开发强大的医疗图像细分模型至关重要.
- 现有的数据集在患者人口统计,扫描器类型和解剖覆盖方面可能缺乏足够的多样性.
- 癌症成像档案 (TCIA) 为研究提供了有价值的医学成像数据来源.
研究的目的:
- 引入稀有注释区域和器官细分 (SAROS) 数据集,这是一个新的开放访问资源.
- 为分段任务提供一个大规模的CT数据集,并对车身地标进行全面的注释.
- 促进医学成像中先进的细分模型的培训和评估.
主要方法:
- 数据来源于癌症成像档案 (TCIA).
- 内部细分模型用于初始注释提案生成.
- 通过持续的质量控制过程实施的手动审查和纠正.
- 注释侧重于882名患者的900个CT扫描中的每第五个轴切片.
- 数据集包括13个语义区域标签和6个身体部位标签.
主要成果:
- 创建了包含20,150个注释片的SAROS数据集.
- 数据集涵盖了各种各样的解剖区域和身体部位.
- 包括语义区域的注释,如腹腔/胸腔,骨,大脑和特定的腺体.
- 身体部位标签包括头部,干,左/右手臂和左/右腿.
- 预定义的交叉验证折叠和测试组确保可重复性.
结论:
- 萨罗斯数据集是医学成像社区的有价值的开放访问资源.
- 它支持开发和对新型细分算法的基准测试.
- 数据集在扫描仪供应商和疾病覆盖范围上的多样性提高了模型的通用性.
