【医学图像分割】开源 | 一个大规模的全腹部器官数据集WORD，并评估了几种最先进的分割方法，且邀请专家进行模型预测修正

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

论文地址： http://arxiv.org/pdf/2111.02403v2.pdf

来源： 电子科技大学, 四川大学

论文名称：WORD: Revisiting Organs Segmentation in the Whole Abdominal Region

原文作者：Xiangde Luo

内容提要

最近，基于深度学习的医学图像分割已经显示出了减少人工描绘工作的潜力，但它仍然需要大规模精细标注的数据集进行训练。尽管在这方面做了很多工作，但目前仍很少有覆盖整个腹部区域并对整个腹部器官分割进行精确详细标注的大型图像数据集。在这项工作中，我们建立了一个大规模的全腹部器官数据集(WORD)，用于算法研究和临床应用开发。该数据集包含150个腹部CT卷(30495片)，每个卷包含16个器官，具有精细像素级标注和基于涂鸦的稀疏标注，可能是最大的全腹部器官标注数据集。在这个数据集上评估了几种最先进的分割方法。同时，我们也邀请临床肿瘤学家对模型预测进行修正，以衡量深度学习方法与真实肿瘤学家之间的差距。我们进一步介绍并评估了一种新的基于涂鸦的弱监督分割方法。这些实验为腹部多器官分割任务提供了新的基准，可作为未来研究和临床应用开发的基础

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有

分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。