论文阅读：CTSpine1K：A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography
CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography
CTSPINE1K：计算断层扫描中的脊髓椎骨分段大规模数据集
摘要
脊柱相关疾病发病率高，造成巨大的社会成本负担。脊柱成像是非侵入性可视化和评估脊柱病理的重要工具。CT图像中的脊椎分割是定量医学图像分析的基础，为脊柱疾病的临床诊断和手术规划奠定了基础。目前公开可用的脊椎注释数据集都很小。由于缺乏大规模的标注脊柱图像数据集，主流的基于深度学习的数据驱动的分割方法受到了很大的限制。本文介绍了一个大规模的脊椎CT数据集，称为CTSpine1K，它是从多个来源收集的，包含1005个CT体积，超过11,100个标记的脊椎，属于不同的脊柱状况。在此基础上，我们进行了多个脊椎分割实验，建立了第一个基准。我们相信，这一大规模的数据集将促进许多与脊柱相关的图像分析任务的进一步研究，包括但不限于脊椎分割、标记、从双平面X线片重建三维脊柱、图像超分辨率和增强。
背景和总结
脊柱是肌肉骨骼系统的重要组成部分，维持体内迁移率和保护脊髓，最重要的是体内的神经途径。从顶部到底部沿着人体的躯干，脊柱由7个颈椎（C1-C7），12个胸椎（T1-T12），5个腰椎（L1-L5），1个骶椎（L1-L5），1个骶骨椎骨。请注意，有含有L6的人（由骶腰部化导致）或丢失L5（由腰骶部引起的），罕见群体发生罕见。
由于承载人体3的负荷，每个椎骨受到疾病的风险。与脊柱相关的疾病，包括退行性变化，脊柱炎症，脊柱肿瘤，脊柱结核和脊柱感染，发病率高，并导致社会成本的巨大负担。在临床实践中，常见的脊柱疾病主要包括脊柱的退行性疾病，以及椎间盘突出病。老年人常见的脊柱的退行性疾病包括颈椎病，腰椎病，胸椎狭窄。椎间盘突出包括宫颈椎间盘突出，涉及宫颈脊柱，胸椎椎间盘突出涉及胸椎，患者患者椎间盘突出症，其中腰椎间盘突出是最常见的。腰椎退行性疾病也是临床中最常见的，腰椎狭窄，腰椎狭窄和腰椎不稳定。治疗因疾病实体而变化，临床情景可以是非特异性的5。
通过计算断层扫描（CT），磁共振成像（MRI），射线照相，超声波，正电子发射断层扫描（PET）等放射学成像模式，以及其他放射学成像模式，对于非侵入性可视化和评估脊柱病理学是必不可少的。计算方法支持并增强医生利用这些成像技术进行诊断，非侵入性治疗和临床实践中的干预的能力。在计算机视觉，计算机图形，信号处理和机器学习领域开发的分析算法已经适用于分析脊髓图像5。
传统上，由于高骨-软组织对比度，CT是研究脊柱的优选方式。由于椎骨位置、金属伪影和脊柱疾病等的不同，图像外观会有不同的变化。挑战分析算法。图1给出了这些不同条件的一些例子。
图1：各种情况下的脊柱CT图像示例。a和b显示脊柱的不同位置。c显示金属制品。d、e、f显示不同的脊柱疾病。
A：颈椎和胸椎
B：胸椎和腰椎
C：金属制品
D：腰椎骶化(红色箭头)
E：骶骨腰痛(黄色箭头)
F：双凹陷断裂(绿色箭头)
在所有关于脊柱形态和病理的自动量化的应用中，CT中的脊柱或椎骨图像分割是至关重要的一步。近年来，深度学习在各种医学成像应用中取得了显著的成功【6，7】并且已经提出了许多自动化脊柱图像分割方法【8，9】。然而，所有这些方法都依赖于数据，并且已经在私有数据集或小型公共数据集上进行了验证。考虑到流行的多模态脊柱数据SpineWeb，它只列出了两个CT数据集:CSI2014【10】和xV ertSeg【11】，这两个数据集都只包含几十个CT扫描。因此，这些方法受到严重限制。为了解决对大规模数据可用性的担忧，Sekuboyina等人【2】结合2019年国际医学图像计算和计算机辅助干预会议(MICCAI)和2020年MICCAI，组织了大规模椎骨分割基准(V erSe)作为一项挑战。凭借V erSe’19【2】，他们向公共领域发布了一个由160个脊柱多探测器CT扫描组成的多样化数据集，包含1735个椎骨(120个可见CT扫描和40个隐藏CT扫描)。对于V erSe’19的升级版V erSe’20【3】，他们发布了300次CT扫描，这是迄今为止最大的公共脊柱CT数据集。这两个数据集都提供了每个椎骨的基本事实，并且是目前最常用的椎骨分割数据集。尽管如此，这些数据集仍然很小。此外，来自V erSe’19和V erSe’20数据集的大多数CT扫描都是“裁剪”的，只包含脊柱的小区域，而放弃了关于周围器官的其他信息。
【8】：Iterative fully convolutional neural networks for automatic vertebra segmentation and identification
用于椎骨自动分割和识别的迭代全卷积神经网络
【9】：Coarse to fine vertebrae localization and segmentation with spatialconfiguration-net and u-net.
spatialconfiguration-net 和u-net从粗到细定位分割椎骨
为了推进脊柱图像分析的研究，我们在此提出一个大规模的综合数据集:CTSpine1K。我们收集和注释来自多个领域和不同制造商的大规模脊柱椎骨ct数据集，总计1，005个不同外观变化的CT体积(超过500，000个标记切片和超过11，000个椎骨)。我们精心设计了一个精美统一的标注管道，保证标注质量。据我们所知，我们的CTSpine1K数据集是最大的公开可用的带注释脊柱CT数据集。我们通过进行椎骨分割的基准实验来评估数据集的质量。
论文阅读：CTSpine1K：A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography相关推荐
- 论文阅读：DuEE:A Large-Scale Dataset for Chinese Event Extraction in Real-World Scenarios（附数据集地址）
论文阅读:DuEE:A Large-Scale Dataset for Chinese Event Extraction in Real-World Scenarios 基于现实场景的大规模中文事件抽 ...
- 论文阅读：Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour
论文阅读:Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour 论文地址: https://arxiv.org/pdf/1706.026 ...
- 【论文阅读】OUTRAGEOUSLY LARGE NEURAL NETWORKS: THE SPARSELY-GATED MIXTURE-OF-EXPERTS LAYER
一.背景 神经网络的吸收信息的容量(capacity)受限于参数数目. 条件计算(conditional computation)针对于每个样本,激活网络的部分子网络进行计算,它在理论上已证明,可以作 ...
- 【论文阅读】Online Attention Accumulation for Weakly Supervised Semantic Segmentation
一篇弱监督分割领域的论文,其会议版本为: (ICCV2019)Integral Object Mining via Online Attention Accumulation 论文标题: Online ...
- 论文阅读笔记：3D deeply supervised network for automated segmentation of volumetric medical images
摘要 深度卷积神经网络(CNN)在二维医学图像分割方面取得了显著的成功,但由于其复杂的解剖结构等诸多相互影响的挑战,使得CNN从三维医学图像中分割重要的器官或结构仍然是一项艰巨的任务.立体图像中的环境 ...
- 论文阅读笔记：MuTual: A Dataset for Multi-Turn Dialogue Reasoning
提示:阅读论文时进行相关思想.结构.优缺点,内容进行提炼和记录,论文和相关引用会标明出处. 文章目录 前言 介绍 数据集 实验结果 总结 前言 标题:MuTual: A Dataset for Mul ...
- SANER 2018 论文阅读- Dissection of a Bug Dataset： Anatomy of 395 Patches from Defects4J
Foreword This blog aims at explaining the SANER 2018 paper - "Dissection of a Bug Dataset: Anat ...
- 论文阅读-DF-Platter: Multi-Face Heterogeneous Deepfake Dataset（多人脸异构深度伪造数据集）
一.论文信息 文章名称:DF-Platter: Multi-Face Heterogeneous Deepfake Dataset 作者团队: 会议:cvpr2023 数据集地址:http://iab ...
- 论文阅读：Deep Filter Banks for Texture Recognition and Segmentation
2015年的CVPR,深度卷积特征+Fisher Vector的方法在纹理数据库上得到了比较优秀的performance Motivation: 作者认为,对于纹理特征来说,使用全连接层的特征有一下三 ...
最新文章
- FragmentManager中Fragment的重复创建、复用问题
- python json.loads()中文问题-python中文编码json中文输出问题
- 【转载】OI生涯结束……在逸夫楼那些的日子里
- php解决链接 amp,php处理替换链接参数
- 线程池---多线程学习笔记（三）
- CSS3新特性（整理贴）
- zabbix监控linux文件目录,zabbix监控linux磁盘性能
- 新建文件夹和文件，并向文件中写入数据---------Android
- 一文搞懂如何高效学习与进阶NLP or CV！
- Redis五大数据类型以及操作---散列表
- ue4水墨材质_PS使用水墨烟雾笔刷临摹一匹水墨烟雾骏马_资源库
- 雷达原理（第五版）常见公式
- 小程序中视频作为页面背景
- SAP MM移动平均价和标准价逻辑
- Html设置文本换行与不按行操作
- Android中将像素转换为sp/dp
- 速度与AI兼得：荣耀Play“GPU Turbo”是什么大杀技？
- FPGA的矩阵键盘驱动（ 修正版）
- 关于图灵JAVA一百道面试题总结
- 手把手教你撸最新Youtube视频 拖拽动画效果