ECPC-IDS:A benchmark endometrail cancer PET/CT image dataset for evaluation of semantic segmentation and detection of hypermetabolic regions

要約

子宮内膜がんは、女性の生殖器系で最も一般的な腫瘍の 1 つであり、卵巣がんおよび子宮頸がんに次いで死亡を引き起こす 3 番目に一般的な婦人科悪性腫瘍です。
早期診断により、患者の 5 年生存率が大幅に向上します。
人工知能の発展に伴い、コンピュータ支援診断は診断の精度と客観性を向上させ、医師の負担を軽減する上でますます重要な役割を果たしています。
ただし、公的に利用可能な子宮内膜がん画像データセットがないため、コンピューター支援診断技術の適用が制限されています。この論文では、セマンティックセグメンテーションの評価と代謝亢進領域の検出のための公的に利用可能な子宮内膜がん PET/CT 画像データセット (ECPC-IDS) を使用します。
が公開されています。
具体的には、セグメンテーション セクションには PET および CT 画像が含まれており、複数の形式で合計 7,159 枚の画像が含まれています。
ECPC-IDS でのセグメンテーション手法の有効性を証明するために、画像セグメンテーション タスクをテストするために 5 つの古典的な深層学習セマンティック セグメンテーション手法が選択されました。
物体検出セクションには、PET および CT 画像も含まれており、合計 3579 枚の画像と注釈情報付きの XML ファイルが含まれています。
検出タスクの実験には 6 つの深層学習手法が選択されています。この研究では、ECPC-IDS 上のさまざまな手法の違いを実証するために、深層学習ベースのセマンティック セグメンテーションとオブジェクト検出手法を使用した広範な実験を実施しています。
私たちが知る限り、これは、画像とターゲットの検出に必要な大量の情報を含む、多数の複数の画像を含む子宮内膜がんの初の公的に利用可能なデータセットです。
ECPC-IDS は、研究者がコンピュータ支援技術を強化するための新しいアルゴリズムを探索するのに役立ち、臨床医師と患者の両方に大きな利益をもたらします。

要約(オリジナル)

Endometrial cancer is one of the most common tumors in the female reproductive system and is the third most common gynecological malignancy that causes death after ovarian and cervical cancer. Early diagnosis can significantly improve the 5-year survival rate of patients. With the development of artificial intelligence, computer-assisted diagnosis plays an increasingly important role in improving the accuracy and objectivity of diagnosis, as well as reducing the workload of doctors. However, the absence of publicly available endometrial cancer image datasets restricts the application of computer-assisted diagnostic techniques.In this paper, a publicly available Endometrial Cancer PET/CT Image Dataset for Evaluation of Semantic Segmentation and Detection of Hypermetabolic Regions (ECPC-IDS) are published. Specifically, the segmentation section includes PET and CT images, with a total of 7159 images in multiple formats. In order to prove the effectiveness of segmentation methods on ECPC-IDS, five classical deep learning semantic segmentation methods are selected to test the image segmentation task. The object detection section also includes PET and CT images, with a total of 3579 images and XML files with annotation information. Six deep learning methods are selected for experiments on the detection task.This study conduct extensive experiments using deep learning-based semantic segmentation and object detection methods to demonstrate the differences between various methods on ECPC-IDS. As far as we know, this is the first publicly available dataset of endometrial cancer with a large number of multiple images, including a large amount of information required for image and target detection. ECPC-IDS can aid researchers in exploring new algorithms to enhance computer-assisted technology, benefiting both clinical doctors and patients greatly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google