MedShapeNet — A Large-Scale Dataset of 3D Medical Shapes for Computer Vision

要約

深層学習の時代以前は、オブジェクトを記述するために形状が一般的に使用されていました。
現在、医療画像処理における最先端 (SOTA) アルゴリズムは、主にコンピューター ビジョンから分岐しており、ボクセル グリッド、メッシュ、点群、および暗黙的表面モデルが使用されています。
これは、プレミア ビジョン カンファレンスにおける多数の形状関連の出版物や、ShapeNet (約 51,300 モデル) および Princeton ModelNet (127,915 モデル) の人気の高まりからもわかります。
医療分野では、MedShapeNet と呼ばれる解剖学的形状 (骨、臓器、血管など) と手術器具の 3D モデルの大規模なコレクションを紹介します。これは、データ駆動型ビジョン アルゴリズムの医療アプリケーションへの変換を容易にし、SOTA を適応させるために作成されました。
医療問題に対する視覚アルゴリズム。
ユニークな機能として、実際の患者の画像データ上の形状の大部分を直接モデル化します。
現在、MedShapeNet には、注釈 (グラウンド トゥルース) と組み合わせられた 100,000 を超える形状を含む 23 のデータセットが含まれています。
当社のデータは、Web インターフェイスと Python アプリケーション プログラミング インターフェイス (API) を介して自由にアクセスでき、識別ベンチマーク、再構成ベンチマーク、変分ベンチマークのほか、仮想現実、拡張現実、複合現実、および 3D プリンティングのさまざまなアプリケーションに使用できます。
例として、脳腫瘍の分類、顔面および頭蓋骨の再構築、複数クラスの解剖学の完成、教育、および 3D プリンティングの分野での使用例を紹介します。
将来的には、データを拡張し、インターフェイスを改善します。
プロジェクト ページは次のとおりです: https://medshapenet.ikim.nrw/ および https://github.com/Jianningli/medshapenet-フィードバック

要約(オリジナル)

Prior to the deep learning era, shape was commonly used to describe the objects. Nowadays, state-of-the-art (SOTA) algorithms in medical imaging are predominantly diverging from computer vision, where voxel grids, meshes, point clouds, and implicit surface models are used. This is seen from numerous shape-related publications in premier vision conferences as well as the growing popularity of ShapeNet (about 51,300 models) and Princeton ModelNet (127,915 models). For the medical domain, we present a large collection of anatomical shapes (e.g., bones, organs, vessels) and 3D models of surgical instrument, called MedShapeNet, created to facilitate the translation of data-driven vision algorithms to medical applications and to adapt SOTA vision algorithms to medical problems. As a unique feature, we directly model the majority of shapes on the imaging data of real patients. As of today, MedShapeNet includes 23 dataset with more than 100,000 shapes that are paired with annotations (ground truth). Our data is freely accessible via a web interface and a Python application programming interface (API) and can be used for discriminative, reconstructive, and variational benchmarks as well as various applications in virtual, augmented, or mixed reality, and 3D printing. Exemplary, we present use cases in the fields of classification of brain tumors, facial and skull reconstructions, multi-class anatomy completion, education, and 3D printing. In future, we will extend the data and improve the interfaces. The project pages are: https://medshapenet.ikim.nrw/ and https://github.com/Jianningli/medshapenet-feedback

arxiv情報

提供元, 利用サービス

arxiv.jp, Google