Oct, 2023

MICCAI KiTS 2023 挑战中肾脏和肿瘤的自动化 3D 分割

PDF
TL;DRKiTS 2023 挑战是一个平台，让研究人员比较他们对三维 CT 图像的分割解决方案。本研究描述并使用 MONAI 中的自动化分割工具 Auto3DSeg 参与挑战，我们的解决方案平均 Dice 系数为 0.835，表面 Dice 系数为 0.723，排名第一并赢得了 KiTS 2023 挑战。
kidney and kidney tumor segmentation challenge3d ctautomated segmentationauto3dsegmonai
发现论文，激发创造
  • 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

  • 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

  • 探索用于 MICCAI 2023 肾脏与肿瘤分割挑战的 3D U-Net 训练配置和后处理策略

    探索了在 CT 图像中精确分割肾脏、囊肿和肾肿瘤的各种 3D U-Net 训练配置和有效后处理策略，并通过 2023 肾脏和肾肿瘤分割（KiTS23）挑战数据集的验证，在未见过的测试数据上取得了第二名的最终排名，平均 Dice 系数为 0.820，平均 Surface Dice 系数为 0.712。

    Dec, 2023

  • KiTS19 挑战赛数据：300 例肾肿瘤病例的临床背景、CT 语义分割和手术结果

    本研究提出了一个基于自动语义分割的肾脏和肾脏肿瘤形态学特征检测方法，并建立了覆盖肾性肿瘤磨损模式的数据集，通过这个数据集开展肾性肿瘤分割的任务以提高磨损模式分析效率。

    Mar, 2019

  • 使用边界感知网络进行三维肾脏及肾肿瘤的语义分割

    本研究提出了一种基于卷积神经网络的肾和肾肿瘤分割方法，通过设计边界分支和边缘感知损失函数，可靠地从腹部 3D CT 扫描中分割肾脏和肾肿瘤，并在 2019 MICCAI KiTS 肾肿瘤分割挑战数据集上实现了出色的分割效果。

    Sep, 2019

  • 一个基于 2.5D ResUnet 模型的肾脏和肿块分割集成

    研究中采用 2.5D ResUnet 构建一个高效的粗到细语义分割框架，对 CT 扫描中的肾脏、肾脏肿瘤和肾囊肿进行自动分割。实验结果表明，肾脏、肿瘤和囊肿的 Dice 系数分别为 0.954、0.792、0.691，表面 Dice 系数分别为 0.897、0.591、0.541，平均每个 CT 扫描的推断时间为 20.65 秒，最大 GPU 内存为 3525MB，这表明在模型性能和效率之间取得了更好的平衡。

    Nov, 2023

  • MICCAI SEG.A. 2023 挑战中的三维 CT 主动脉分割

    利用图像学对主动脉进行筛查有助于早期发现和监测主动脉疾病。我们使用自动分割方法 Auto3DSeg，通过该方法在 3D CT 挑战赛中实现了平均 Dice 分数为 0.920 和 95th 百分位 Hausdorff 距离（HD95）为 6.013 的成绩，在 SEG.A.231 挑战中名列第一并获得了胜利。

    Oct, 2023

  • 胸腹部 CT 扫描中的肾脏异常分割

    使用深度学习方法，我们提出了一种肾脏实质和肾脏异常的分割方法，以帮助临床医生识别和量化肾脏异常，如囊肿、病变、肿块、转移和原发肿瘤。我们的方法通过训练 215 例胸腹部增强 CT 扫描，其中一半扫描含有一个或多个异常，实现了肾脏异常的准确分割和肾脏实质的改进分割。最佳模型的 Dice 分数在测试集中表现优异，超过了独立人眼观察者的分数，表明计算机化方法在肾脏异常分割中有进一步改进的潜力。

    Sep, 2023

  • 肝肿瘤分割基准 (LiTS)

    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。

    Jan, 2019

  • TRUSTED: 肾脏分割和配准研究的成对三维腹部超声和 CT 人类数据

    通过 TRUSTED 数据集，我们提出了一种用于结构医学图像分割和图像配准的多模态图像注册方法，其应用于自动器官测量、图像引导手术和机器人导航等临床医学领域。

    Oct, 2023