Efficient automatic segmentation for multi-level pulmonary arteries: The PARSE challenge

要約

CTPA 画像におけるマルチレベル (主および分枝) 肺動脈 (PA) の効率的な自動セグメンテーションは、臨床応用において重要な役割を果たします。
しかし、既存の方法のほとんどは、メイン PA またはブランチ PA のセグメンテーションのみに個別に集中しており、セグメンテーション効率を無視しています。
さらに、PA セグメンテーションに焦点を当てた公開された大規模なデータセットが存在しないため、さまざまな方法を比較することが非常に困難になります。
マルチレベル PA セグメンテーション アルゴリズムのベンチマークを行うために、最初の \textbf{P}ulmonary \textbf{AR}tery \textbf{SE}gmentation (PARSE) チャレンジを組織しました。
一方では、メイン PA とブランチ PA の両方のセグメンテーションに焦点を当てます。
一方、より良い臨床応用のために、PA セグメンテーションの精度を確保しながら、セグメンテーション効率 (主に推論中の実行時間と GPU メモリ消費) に同じスコアの重みを割り当てます。
主要なアルゴリズムの概要を示し、効率的かつ正確なマルチレベル PA 自動セグメンテーションに関するいくつかの提案を提供します。
\url{https://parse2022.grand-challenge.org/Parse2022/} で、コミュニティが将来のアルゴリズム開発のベンチマークを行うためのオープンアクセスとして PARSE チャレンジを提供しています。

要約(オリジナル)

Efficient automatic segmentation of multi-level (i.e. main and branch) pulmonary arteries (PA) in CTPA images plays a significant role in clinical applications. However, most existing methods concentrate only on main PA or branch PA segmentation separately and ignore segmentation efficiency. Besides, there is no public large-scale dataset focused on PA segmentation, which makes it highly challenging to compare the different methods. To benchmark multi-level PA segmentation algorithms, we organized the first \textbf{P}ulmonary \textbf{AR}tery \textbf{SE}gmentation (PARSE) challenge. On the one hand, we focus on both the main PA and the branch PA segmentation. On the other hand, for better clinical application, we assign the same score weight to segmentation efficiency (mainly running time and GPU memory consumption during inference) while ensuring PA segmentation accuracy. We present a summary of the top algorithms and offer some suggestions for efficient and accurate multi-level PA automatic segmentation. We provide the PARSE challenge as open-access for the community to benchmark future algorithm developments at \url{https://parse2022.grand-challenge.org/Parse2022/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google