Aug, 2023

CARE：大规模 CT 图像数据集和临床适用的直肠癌分割评估模型

PDF
TL;DR本研究介绍了一个新颖的大规模直肠癌 CT 图像数据集 CARE，其具有对正常和癌症直肠进行像素级注释的宝贵资源，用于算法研究和临床应用开发；此外，我们提出了一种名为 U-SAM 的新型医疗癌症病变分割基准模型，它通过具备即时信息处理功能以解决腹部器官结构复杂性所带来的挑战，包含提示信息、捕捉病变细节的卷积模块以及保留和恢复空间信息的跳过连接；通过与几种流行的分割方法在 CARE 数据集上的性能比较以及在 WORD 数据集上的泛化验证，大量实验证明了所提出的 U-SAM 在这两个数据集上优于现有方法，为未来的研究和临床应用开发提供了基线。
rectal cancer segmentationct imagedatasetu-samclinical application
发现论文，激发创造
  • 基于图像合成的晚期癌症增强和 MRI 直肠癌分期的半监督分割

    利用影像综合数据增强和半监督学习的方法，提高判断直肠癌的分割准确性和结直肠 T 分期预测算法的特异性和敏感性。

    Dec, 2023

  • AG-CRC: CT 中基于解剖学指导的结肠癌分割与非理想解剖学知识

    利用自动生成的器官掩模辅助肠直肠癌（CRC）的 CT 图像分割，提出了一种新颖的解剖引导分割框架（AG-CRC），通过多器官分割、训练块采样策略、自监督学习方案和掩模损失机制，实现了 5% 至 9% 的性能改进。

    Oct, 2023

  • Meply：大规模数据集和基线评估用于转移性骶部淋巴结检测和分割

    为了研究和治疗直肠癌，准确分割转移性淋巴结对于直肠癌的分期和治疗至关重要。然而，由于在直肠周围淋巴结的像素级注释数据集的缺失，现有的分割方法面临挑战。此外，转移性淋巴结的特点是尺寸相对较小，形状不规则，与背景相比对比度较低，进一步复杂了分割任务。为了解决这些问题，我们提出了第一个大规模的淋巴结 CT 图像数据集 ——Meply，其中包含 269 名被诊断为直肠癌的患者的像素级注释。此外，我们提出了一种名为 CoSAM 的新型淋巴结分割模型。CoSAM 利用基于序列的检测来指导直肠癌转移性淋巴结的分割，有助于改进分割模型的定位性能。它由三个关键组件组成：基于序列的检测模块、分割模块和协作收敛单元。为了评估 CoSAM 的有效性，我们使用 Meply 数据集系统地比较了它与几种常用的分割方法的性能。我们的代码和数据集将公开提供。

    Apr, 2024

  • 临床情境中的腹部器官分割重思（RAOS）：具有挑战性案例的鲁棒性评估基准

    深度学习在腹部多器官分割方面取得了巨大的进展，但在边缘情况和复杂器官上的鲁棒性仍然是一个具有挑战性的问题。为了调查模型的鲁棒性，我们收集并注释了 RAOS 数据集，包括 413 名患者的 413 个 CT 扫描，涵盖了诊断 / 放疗、部分切除和完全切除三个临床组。该数据集可以作为评估模型鲁棒性的潜在基准，并提供了一些在公共数据集中很难获取的器官。我们对几种最先进的方法在这三个临床组中进行了基准测试，评估了性能和鲁棒性，并评估了 RAOS 与三个公共数据集之间的交叉泛化能力。该数据集和综合分析为未来鲁棒性研究提供了一个潜在的基准。

    Jun, 2024

  • BreastSAM：超声成像乳腺肿瘤分割模型研究

    本研究重点探讨利用交互式分割算法 Segment Anything Model（SAM）进行乳腺超声影像乳腺肿瘤分割的有效性。 该研究表明 ViT_l 模型在性能指标上具有卓越表现，研究还评估了该模型在分割恶性和良性肿瘤方面的差异性能，发现其在两个类别中均表现出出色的能力。 此外，本研究还分析了体积、对比度、长宽比和复杂性等各种肿瘤特征对分割性能的影响。 研究结果为 SAM 作为乳腺超声影像乳腺肿瘤分割算法提供了有价值的见解。

    May, 2023

  • 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

  • 一份用于分割算法开发和评估的大型注释医学图像数据集

    本文介绍了一个由许多临床相关解剖学的多任务数据集组成的、用于对语义分割算法进行综合基准测试的开放源代码数据集，其通过多个机构的努力进行生成，成为在 2018 年举行的一个众包挑战中被使用的数据集。

    Feb, 2019

  • 结肠镜图像内腔场景分割基准

    介绍一个用于结肠镜图像分析的新基准，通过使用决策支持系统在不同阶段提供内腔场景分割，基于全卷积神经网络的训练，在不进行后处理的情况下，在内腔场景分割方面优于以往结果。

    Dec, 2016

  • SkinSAM：采用任意分割模型强化皮肤癌分割

    本研究基于 HAM10000 数据集，提出 SkinSAM 模型实现皮肤癌图像自动分割，最终模型准确度较高，证明了将该模型应用于医学图像分割任务的巨大潜力。

    Apr, 2023

  • 不平衡医学图像识别中的病变区域类别注意力

    提出了一种简单而有效的框架，名为 CARE（Class Attention to Regions of the Lesion），通过在卷积神经网络（CNNs）的训练过程中引入注意力机制来处理数据不平衡问题。实验证明，该方法能够有效帮助网络专注于罕见疾病的损伤区域，显著提高了罕见疾病的分类性能。

    Jul, 2023