鼻腔Seg:来自3DCT图像的鼻腔和鼻鼻自动细分的数据集
Yichi Zhang1,2, Jing Wang3,4, Tan Pan1,2
1Artificial Intelligence Innovation and Incubation Institute, Fudan University, Shanghai, China.
Scientific data
|December 5, 2024
概括
研究人员开发了NagalSeg,这是一个大型的公共数据集,用于从CT扫描中对鼻腔和鼻腔进行细分. 这个资源有助于人工智能开发面部手术规划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 人体解剖学 解剖学 解剖学
背景情况:
- 从CT扫描中精确细分鼻腔和鼻结构,对于面部手术规划至关重要.
- 手动细分是耗时和不一致的,需要自动化方法.
- 缺乏大量的公共临床数据集阻碍了该领域的研究.
研究的目的:
- 介绍NagalSeg,这是第一个大规模的,公开可用的数据集,用于鼻腔和鼻细分.
- 为开发和评估自动化细分算法提供一个有价值的资源.
- 在面部手术的定量分析中推进人工智能应用.
主要方法:
- 创建了一个新的数据集,NagalSeg,包括130个3DCT扫描.
- 五个关键的解剖结构的像素智能注释:左鼻腔,右鼻腔,鼻,左大鼻和右大鼻.
- 确保公众对研发的可访问性.
主要成果:
- NagalSeg是第一个大规模的,公开可访问的数据集,用于鼻腔和鼻细分.
- 该数据集包含的标记数据数量比现有的私人或小规模替代品要多.
- 为关键的解剖区域提供了全面的注释.
结论:
- NagalSeg解决了在医学图像细分研究中对可访问,大规模数据的关键需求.
- 该数据集将加速AI驱动的临床应用细分工具的开发.
- 促进面部手术和人工智能集成的定量分析的未来研究.
