Lumbar spine segmentation in MR images: a dataset and a public benchmark

要約

この論文では、椎骨、椎間板 (IVD)、および脊柱管の参照セグメンテーションを含む、公的に利用可能な大規模な多施設腰椎磁気共鳴画像法 (MRI) データセットを紹介します。
データセットには、腰痛の病歴を持つ 218 人の患者からの 447 件の矢状方向 T1 および T2 MRI シリーズが含まれています。
このデータは 4 つの異なる病院から収集され、トレーニング セット (患者 179 人) と検証セット (患者 39 人) に分けられました。
データセットのごく一部に対してセグメンテーション アルゴリズムをトレーニングすることにより、反復的なデータ アノテーション アプローチが使用され、残りの画像の半自動セグメンテーションが可能になりました。
このアルゴリズムは最初のセグメンテーションを提供し、その後レビューされ、手動で修正され、トレーニング データに追加されました。
このベースライン アルゴリズムと、同等のパフォーマンスを示す nnU-Net の参考パフォーマンス値を提供します。
さまざまなセグメンテーション アルゴリズムを公平に比較​​できるように、継続的なセグメンテーション チャレンジを設定しました。
この研究は、脊椎セグメンテーションの分野における幅広い協力を促進し、腰椎 MRI の診断価値を向上させる可能性があります。

要約(オリジナル)

This paper presents a large publicly available multi-center lumbar spine magnetic resonance imaging (MRI) dataset with reference segmentations of vertebrae, intervertebral discs (IVDs), and spinal canal. The dataset includes 447 sagittal T1 and T2 MRI series from 218 patients with a history of low back pain. It was collected from four different hospitals and was divided into a training (179 patients) and validation (39 patients) set. An iterative data annotation approach was used by training a segmentation algorithm on a small part of the dataset, enabling semi-automatic segmentation of the remaining images. The algorithm provided an initial segmentation, which was subsequently reviewed, manually corrected, and added to the training data. We provide reference performance values for this baseline algorithm and nnU-Net, which performed comparably. We set up a continuous segmentation challenge to allow for a fair comparison of different segmentation algorithms. This study may encourage wider collaboration in the field of spine segmentation, and improve the diagnostic value of lumbar spine MRI.

arxiv情報

著者 Jasper W. van der Graaf,Miranda L. van Hooff,Constantinus F. M. Buckens,Matthieu Rutten,Job L. C. van Susante,Robert Jan Kroeze,Marinus de Kleuver,Bram van Ginneken,Nikolas Lessmann
発行日 2023-06-21 12:19:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, eess.IV パーマリンク