Multi-site, Multi-domain Airway Tree Modeling

要約

オープンな国際的な課題は、コンピューター ビジョンと画像分析アルゴリズムを評価するための事実上の標準になりつつあります。
近年、新しい方法により、肺気道セグメンテーションの範囲が拡大され、画像解像度の限界に近づいています。
EXACT’09 の肺気道セグメンテーション以来、深層学習ベースのアプローチの成熟と、肺疾患の早期介入のために遠位気道のより詳細な詳細を解決する臨床的推進によって推進された、新しく登場したアルゴリズムの定量的比較には限られた努力が向けられてきました。
これまでのところ、公開されているアノテーション付きデータセットは非常に限られており、データ駆動型手法の開発や新しいアルゴリズムの詳細なパフォーマンス評価が妨げられています。
医療画像コミュニティにベンチマークを提供するために、私たちはマルチサイト・マルチドメイン気道ツリーモデリング (ATM’22) を組織しました。これは、MICCAI 2022 カンファレンス中の公式チャレンジイベントとして開催されました。
ATM’22 は、500 件の CT スキャン (トレーニング用 300 件、検証用 50 件、テスト用 150 件) を含む、詳細な肺気道の注釈付きの大規模 CT スキャンを提供します。
このデータセットはさまざまなサイトから収集されたもので、すりガラス状の不透明さと統合を伴うノイズの多い COVID-19 CT の一部がさらに含まれていました。
23 チームがチャレンジの全フェーズに参加し、上位 10 チームのアルゴリズムがこのホワイト ペーパーでレビューされています。
定量的および定性的な結果により、トポロジカル連続性強化が組み込まれた深層学習モデルが一般に優れたパフォーマンスを達成することが明らかになりました。
ATM’22 チャレンジは公募設計として保持されており、ホームページからの登録が成功すると、トレーニング データとゴールド スタンダード評価が利用可能になります。

要約(オリジナル)

Open international challenges are becoming the de facto standard for assessing computer vision and image analysis algorithms. In recent years, new methods have extended the reach of pulmonary airway segmentation that is closer to the limit of image resolution. Since EXACT’09 pulmonary airway segmentation, limited effort has been directed to quantitative comparison of newly emerged algorithms driven by the maturity of deep learning based approaches and clinical drive for resolving finer details of distal airways for early intervention of pulmonary diseases. Thus far, public annotated datasets are extremely limited, hindering the development of data-driven methods and detailed performance evaluation of new algorithms. To provide a benchmark for the medical imaging community, we organized the Multi-site, Multi-domain Airway Tree Modeling (ATM’22), which was held as an official challenge event during the MICCAI 2022 conference. ATM’22 provides large-scale CT scans with detailed pulmonary airway annotation, including 500 CT scans (300 for training, 50 for validation, and 150 for testing). The dataset was collected from different sites and it further included a portion of noisy COVID-19 CTs with ground-glass opacity and consolidation. Twenty-three teams participated in the entire phase of the challenge and the algorithms for the top ten teams are reviewed in this paper. Quantitative and qualitative results revealed that deep learning models embedded with the topological continuity enhancement achieved superior performance in general. ATM’22 challenge holds as an open-call design, the training data and the gold standard evaluation are available upon successful registration via its homepage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google