从多个注释器对长期COVID患者CT上的不透明度和整合的手动细分
Diedre S Carmo1, Alejandro A Pezzulo2, Raul A Villacreses2
1School of Electrical and Computer Engineering, Universidade Estadual de Campinas, Campinas, 13083-852, Brazil. d211492@dac.unicamp.br.
Scientific data
|March 7, 2025
概括
这项研究引入了第一个公共数据集,用于对长期COVID患者的肺不透明度进行细分,这对于开发自动化医学成像分析工具至关重要.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 肺部病理学 肺部病理学
背景情况:
- 监督自动化医疗成像细分受限于小型数据集.
- 在CT扫描中细分低对比的肺部结构,如磨砂玻璃不透明度和整合,具有挑战性.
研究的目的:
- 引入第一个公共数据集,用于在长期COVID患者中对地面玻璃不透明度和整合进行细分.
- 为培训和验证肺不透明的自动细分方法提供资源.
主要方法:
- 来自长期COVID患者的90个轴心CT切片的数据集由三个独立专家手动细分.
- 共识细分和个人注释被编译,共计360片.
- 在手动细分过程中没有使用自动化初始化.
主要成果:
- 长期COVID爱荷华-UNICAMP (LongCIU) 数据集现在公开提供.
- 数据集包括个人和共识细分,提供了对分类器间变量的见解.
- 本资源促进了对肺不透明度自动细分的研究.
结论:
- 长期CIU数据集解决了长期COVID医疗图像细分中标记数据的需求.
- 它作为一个有价值的工具,用于推进CT扫描中肺病理的自动化分析.
- 该数据集支持对医学图像注释中的interrater不确定性的研究.
