TRUSTED: The Paired 3D Transabdominal Ultrasound and CT Human Data for Kidney Segmentation and Registration Research

要約

インターモーダル画像登録 (IMIR) と腹部超音波 (US) データによる画像セグメンテーションには、画像誘導手術、自動臓器測定、ロボット ナビゲーションなど、多くの重要な臨床用途があります。
ただし、公開データセットが不足しているため、研究は大幅に制限されています。
私たちは、48 人のヒト患者 (96 個の腎臓) からの経腹 3DUS および CT 腎臓画像のペア (セグメンテーションを含む) と 2 人の経験豊富な放射線技師による解剖学的ランドマークの注釈で構成される TRUSTED (三次元腎臓超音波トモッドエンシトメトリー データセット) を提案します。
評価者間のセグメンテーションの一致度は 94 (Dice スコア) を超え、ゴールドスタンダードのセグメンテーションは STAPLE アルゴリズムを使用して生成されました。
IMIR システムの開発と評価にとって重要な 7 つの解剖学的ランドマークに注釈が付けられました。
データセットの有用性を検証するために、自動腎臓セグメンテーション用の 5 つの競合ディープラーニング モデルのベンチマークが行われ、平均 DICE スコアは CT で 83.2% ～ 89.1%、US 画像で 61.9% ～ 79.4% でした。
3 つの IMIR 手法のベンチマークが行われ、コヒーレント ポイント ドリフトが最も優れたパフォーマンスを示し、平均ターゲット位置合わせ誤差は 4.53 mm でした。
TRUSTED データセットは、研究者が新しいセグメンテーションおよび IMIR 手法を開発および検証するために自由に使用できます。

要約(オリジナル)

Inter-modal image registration (IMIR) and image segmentation with abdominal Ultrasound (US) data has many important clinical applications, including image-guided surgery, automatic organ measurement and robotic navigation. However, research is severely limited by the lack of public datasets. We propose TRUSTED (the Tridimensional Renal Ultra Sound TomodEnsitometrie Dataset), comprising paired transabdominal 3DUS and CT kidney images from 48 human patients (96 kidneys), including segmentation, and anatomical landmark annotations by two experienced radiographers. Inter-rater segmentation agreement was over 94 (Dice score), and gold-standard segmentations were generated using the STAPLE algorithm. Seven anatomical landmarks were annotated, important for IMIR systems development and evaluation. To validate the dataset’s utility, 5 competitive Deep Learning models for automatic kidney segmentation were benchmarked, yielding average DICE scores from 83.2% to 89.1% for CT, and 61.9% to 79.4% for US images. Three IMIR methods were benchmarked, and Coherent Point Drift performed best with an average Target Registration Error of 4.53mm. The TRUSTED dataset may be used freely researchers to develop and validate new segmentation and IMIR methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google