AbdomenAtlas: A Large-Scale, Detailed-Annotated, & Multi-Center Dataset for Efficient Transfer Learning and Open Algorithmic Benchmarking

要約

さまざまな人口、地域、施設にわたる 112 の病院から収集された 20,460 の 3 次元 CT ボリュームからなる最大の腹部 CT データセット (AbdomenAtlas と呼ばれる) を紹介します。
AbdomenAtlas は、10 人の放射線科医のチームが AI アルゴリズムの助けを借りて注釈を付けた腹部の解剖学的構造の 673K​​ の高品質マスクを提供します。
まず、専門の放射線科医が 5,246 の CT ボリューム内の 22 の解剖学的構造に手動で注釈を付けます。
この後、残りの CT ボリュームに対して半自動アノテーション手順が実行され、放射線科医が AI によって予測されたアノテーションを修正し、AI が修正されたアノテーションから学習して予測を改善します。
このような大規模で、詳細な注釈が付けられた、多中心のデータセットが必要となる理由は 2 つあります。
まず、AbdomenAtlas は、大規模な事前トレーニング済みモデルとしてブランド化された、大規模な AI 開発のための重要なリソースを提供します。これにより、専門放射線科医のアノテーション作業負荷を軽減して、より広範な臨床アプリケーションに移行できます。
次に、AbdomenAtlas は、AI アルゴリズムを評価するための大規模なベンチマークを確立します。アルゴリズムのテストに使用するデータが多ければ多いほど、複雑な臨床シナリオで信頼性の高いパフォーマンスを保証できます。
BodyMaps: Towards 3D Atlas of Human Body という ISBI と MICCAI のチャレンジが、AbdomenAtlas のサブセットを使用して開始されました。これは、AI イノベーションを刺激し、セグメンテーションの精度、推論効率、ドメインの一般化可能性のベンチマークを目的としています。
私たちは、AbdomenAtlas が大規模な臨床試験の準備を整え、医療画像コミュニティの専門家に優れた機会を提供できることを願っています。
コード、モデル、データセットは https://www.zongweiz.com/dataset で入手できます。

要約(オリジナル)

We introduce the largest abdominal CT dataset (termed AbdomenAtlas) of 20,460 three-dimensional CT volumes sourced from 112 hospitals across diverse populations, geographies, and facilities. AbdomenAtlas provides 673K high-quality masks of anatomical structures in the abdominal region annotated by a team of 10 radiologists with the help of AI algorithms. We start by having expert radiologists manually annotate 22 anatomical structures in 5,246 CT volumes. Following this, a semi-automatic annotation procedure is performed for the remaining CT volumes, where radiologists revise the annotations predicted by AI, and in turn, AI improves its predictions by learning from revised annotations. Such a large-scale, detailed-annotated, and multi-center dataset is needed for two reasons. Firstly, AbdomenAtlas provides important resources for AI development at scale, branded as large pre-trained models, which can alleviate the annotation workload of expert radiologists to transfer to broader clinical applications. Secondly, AbdomenAtlas establishes a large-scale benchmark for evaluating AI algorithms — the more data we use to test the algorithms, the better we can guarantee reliable performance in complex clinical scenarios. An ISBI & MICCAI challenge named BodyMaps: Towards 3D Atlas of Human Body was launched using a subset of our AbdomenAtlas, aiming to stimulate AI innovation and to benchmark segmentation accuracy, inference efficiency, and domain generalizability. We hope our AbdomenAtlas can set the stage for larger-scale clinical trials and offer exceptional opportunities to practitioners in the medical imaging community. Codes, models, and datasets are available at https://www.zongweiz.com/dataset

arxiv情報

提供元, 利用サービス

arxiv.jp, Google