Jan, 2019

肝肿瘤分割基准 (LiTS)

PDF
TL;DR本文介绍了 Liver Tumor Segmentation Benchmark（LiTS）的设立以及结果，其中包括 131 个计算机断层扫描（CT）体积训练的 75 个肝脏和肝脏肿瘤分割算法，并使用 70 个从不同患者获取的测试图像进行测试。结果表明，没有一种算法在三个事件中都表现最佳，并且最好的肝脏和肝脏肿瘤分割算法的 Dices 分数分别为 0.963 和 0.674（ISBI 2017）、0.702（MICCAI 2017）和 0.739（MICCAI 2018）。同时，该研究也为关于肝脏相关分割任务的研究提供了一个活跃的基准和资源。
liver tumor segmentation benchmarkct volumessegmentation algorithmslesion-wise recallresource for research
发现论文，激发创造
  • 使用深度卷积神经网络方法自动进行肝脏病变分割

    利用深度卷积神经网络，以 2.5D 方式对肝脏 CT 图像进行分割，并在 130 个 LiTS 训练数据集上进行训练，在 70 个测试 CT 扫描上取得了平均 Dice 分数 0.67，时隔 ISBI2017 会议后获得了该领域的第一名。

    Apr, 2017

  • 基于联合肝分割的肝脏病变分割

    提出了一种用于计算机断层扫描（CT）图像中肝脏和肝脏病变联合分割的模型，该模型利用两个全卷积网络并置并端对端联合训练；在 2017 年 MICCAI 肝肿瘤分割挑战赛中，我们的方法在多种评估指标上达到了竞争性的肝脏和肝脏病变检测与分割分数，不同于其他表现优秀的方法，我们的模型不需要使用外部数据，并提出了一个简单的单阶段模型进行端到端的训练。然而，我们的方法几乎达到了顶尖的病变分割性能，并在保持高召回率的情况下实现了第二高的病变检测精度。

    Jul, 2017

  • 对比增强 CT 成像中肾脏和肾瘤分割的最新技术：KiTS19 挑战的结果

    本文研究利用基于深度学习的自动三维分割方法识别肾脏肿瘤并自动量化其形态，提供 210 多个样本的训练集和约 90 个样本的测试集。

    Dec, 2019

  • ULS23 挑战：用于计算机断层扫描中三维通用病灶分割的基线模型和基准数据集

    在肿瘤患者的随访 CT 检查中，肿瘤体征的尺寸测量对于评估治疗效果至关重要。高效的病变分割能够加速放射学工作流程。我们引入了 ULS23 基准，用于胸腹盆 CT 检查中的 3D 通用病变分割。该基准包含了胰腺、结肠和骨骼等各种挑战性的病变类型，在 284 名患者中共计包含 38,693 个病变。我们还开发并公开发布了我们的基线半监督 3D 病变分割模型。该模型在挑战测试集上取得了平均 Dice 系数为 0.703±0.240 的成绩。我们邀请持续提交以推动未来 ULS 模型的发展。

    Jun, 2024

  • CT 影像中基于像素 - 病灶 - 患者网络的肝肿瘤筛查和诊断

    提出了一种名为 Pixel-Lesion-pAtient Network (PLAN) 的新型框架来解决肝脏肿瘤的筛查、分割和分类问题，同时利用大规模多相数据集进行测试，结果表明其优于常见的卷积神经网络和 transformers，并接近于资深人类放射科医生的表现。

    Jul, 2023

  • 基于证据的不确定性的可信多阶段肝肿瘤分割

    本文提出了一种新的受信任的多相肝肿瘤分割方法（TMPLiTS），该方法可以同时进行肝肿瘤的分割和不确定性估计，利用 Dempster-Shafer 证据理论和多专家混合的策略，从多相肝增强 CT 图像中识别肝癌并降低不确定性，实现可靠的诊断效果。该方法在实验中表现优异，并且对抗扰动时表现出良好的鲁棒性。

    May, 2023

  • 基于图像增强方法的肿瘤分割研究

    通过图像增强和深度学习技术，对肝脏分割进行精确处理，以提高肝癌识别准确性和召回率。

    Jun, 2024

  • KiTS21 挑战赛：基于皮质 - 髓质期 CT 图像的肾脏、肾肿瘤和肾囊肿自动分割

    本文介绍 2021 年肾脏和肾脏肿瘤分割挑战 (KiTS21) 的挑战报告，该挑战目的是针对医学图像计算和计算机辅助干预领域的肾肿瘤分割进行不断改进和提高，以提供有用的见解。

    Jul, 2023

  • 肝部 CT 扫描中超高性能病变检测和虚假阳性去除的级联方法

    开发了一个二阶段的肝癌检测管道，其中高灵敏度探测算法在第一阶段发现尽可能多的病变提议，而第二阶段的病变重新分类算法则尽可能删除尽可能多的虚警。

    Jun, 2023

  • 一个完全自动化的肝脏病变和病理淋巴结的检测和分割流水线

    本文提出了一种利用机器学习技术进行肝脏和淋巴结中癌变病灶精确鲁棒检测和分割的全自动方法，验证表明此方法对高度多样化的病灶具有较好的鲁棒性。

    Mar, 2017