在ULS23挑战:一个基线模型和基准数据集3D通用损伤细分在计算机断层扫描中的数据集
M J J de Grauw1, E Th Scholten1, E J Smit1
1Department of Radiology and Nuclear Medicine, Radboud University Medical Center, Nijmegen, The Netherlands.
Medical image analysis
|March 7, 2025
概括
研究人员开发了ULS23基准,用于CT扫描中的3D通用病变细分. 这种基准有助于评估癌症治疗结果,通过提高瘤细分的准确性,在各种类型的病变.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在CT扫描上精确测量瘤大小对于癌症治疗评估至关重要.
- 目前的病变细分方法通常集中在特定的器官上,限制了它们对各种临床场景的适用性.
- 需要一种通用方法来对不同解剖区域的各种损伤类型进行细分.
研究的目的:
- 在胸部,腹部和骨盆CT检查中引入ULS23基准用于3D通用病变细分.
- 为开发先进的损伤细分模型提供全面的数据集和评估框架.
- 为了促进对放射学工作流程的更广泛的AI模型的开发.
主要方法:
- 开发ULS23基准数据集,包括来自284名患者的38,693个训练病变和775个不同的评估病变.
- 创建一个公开可访问的全球研究合作的基准平台.
- 开发和发布一个基线半监督的3D病变细分模型.
主要成果:
- ULS23训练数据集涵盖了广泛的具有挑战性的病变,包括胰腺,结肠和骨病变.
- 基准数据集提供了临床相关的病变,用于可靠的模型评估.
- 基线模型在ULS23测试组中实现了0.703 ± 0.240的平均Dice系数.
结论:
- ULS23基准代表了CT成像中的3D普遍病变细分的重大进步.
- 该基准和基线模型将加速用于癌症治疗监测的AI驱动工具的研究和开发.
- 鼓励持续提交以进一步提高通用损伤细分模型的性能.
