TotalSegmentator: robust segmentation of 104 anatomical structures in CT images

要約

この研究では、（全身）CT画像における複数の解剖学的構造の自動セグメンテーションに焦点を当てる。このタスクのために多くのセグメンテーションアルゴリズムが存在する。しかし，多くの場合，以下の3つの問題に悩まされている：1.使いにくい（コードやデータが公開されていない，あるいは使いにくい）．2.2.一般化できない（トレーニングデータセットが非常にきれいな画像のみを含むように作成されていることが多く、臨床で見られる画像分布を反映していない） 3.アルゴリズムが1つの解剖学的構造しかセグメント化できない。より多くの構造に対して、複数のアルゴリズムを使用する必要があるため、システムのセットアップに必要な労力が増加する。この研究では、これら3つの問題を解決する新しいデータセットとセグメンテーションツールキットを発表する。1204枚のCT画像から、104個の解剖学的構造（27個の臓器、59個の骨、10個の筋肉、8個の血管）をセグメント化し、ほとんどのユースケースに関連するクラスの大部分をカバーする。本発表では、このプロセスを10倍以上高速化した、グランドトゥルースセグメンテーション作成のための改良されたワークフローを示す。CT画像は臨床現場からランダムに抽出されたものであり、臨床応用に適した実世界のデータセットである。このデータセットには、様々な病態、スキャナ、シーケンス、部位が含まれている。最後に、この新しいデータセットに対して、セグメンテーションアルゴリ ズムを学習させる。このアルゴリズムを TotalSegmentator と呼び、学習済みの python pip パッケージとして簡単に利用できるようにします（pip install totalsegmentator）。使用方法は、TotalSegmentator -i ct.nii.gz -o segとシンプルで、ほとんどのCT画像でうまく機能します。コードは https://github.com/wasserth/TotalSegmentator で、データセットは https://doi.org/10.5281/zenodo.6802613 で公開されています。

要約(オリジナル)

In this work we focus on automatic segmentation of multiple anatomical structures in (whole body) CT images. Many segmentation algorithms exist for this task. However, in most cases they suffer from 3 problems: 1. They are difficult to use (the code and data is not publicly available or difficult to use). 2. They do not generalize (often the training dataset was curated to only contain very clean images which do not reflect the image distribution found during clinical routine), 3. The algorithm can only segment one anatomical structure. For more structures several algorithms have to be used which increases the effort required to set up the system. In this work we publish a new dataset and segmentation toolkit which solves all three of these problems: In 1204 CT images we segmented 104 anatomical structures (27 organs, 59 bones, 10 muscles, 8 vessels) covering a majority of relevant classes for most use cases. We show an improved workflow for the creation of ground truth segmentations which speeds up the process by over 10x. The CT images were randomly sampled from clinical routine, thus representing a real world dataset which generalizes to clinical application. The dataset contains a wide range of different pathologies, scanners, sequences and sites. Finally, we train a segmentation algorithm on this new dataset. We call this algorithm TotalSegmentator and make it easily available as a pretrained python pip package (pip install totalsegmentator). Usage is as simple as TotalSegmentator -i ct.nii.gz -o seg and it works well for most CT images. The code is available at https://github.com/wasserth/TotalSegmentator and the dataset at https://doi.org/10.5281/zenodo.6802613.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL