要約
AI in Medical Imaging プロジェクトは、nnU-Net モデルを開発し、がん放射線画像に AI 支援セグメンテーションを提供することで、国立がん研究所 (NCI) のイメージ データ コモンズ (IDC) を強化することを目的としています。
11 の IDC コレクション用に、AI アノテーション付きの高品質画像データセットを作成しました。
これらのデータセットには、肺、乳房、脳、腎臓、前立腺、肝臓をカバーするコンピューター断層撮影 (CT) や磁気共鳴画像法 (MRI) などのさまざまなモダリティからの画像が含まれています。
nnU-Net モデルは、オープンソース データセットを使用してトレーニングされました。
AI が生成したアノテーションの一部は放射線科医によってレビューされ、修正されました。
AI と放射線科医の両方の注釈は、Digital Imaging and Communications in Medicine (DICOM) 標準に準拠してエンコードされており、IDC コレクションへのシームレスな統合が保証されています。
すべてのモデル、画像、注釈は公的にアクセスできるため、がん画像処理におけるさらなる研究と開発が促進されます。
この研究は、包括的で正確な注釈付きデータセットを提供することにより、画像化ツールとアルゴリズムの進歩をサポートします。
要約(オリジナル)
AI in Medical Imaging project aims to enhance the National Cancer Institute’s (NCI) Image Data Commons (IDC) by developing nnU-Net models and providing AI-assisted segmentations for cancer radiology images. We created high-quality, AI-annotated imaging datasets for 11 IDC collections. These datasets include images from various modalities, such as computed tomography (CT) and magnetic resonance imaging (MRI), covering the lungs, breast, brain, kidneys, prostate, and liver. The nnU-Net models were trained using open-source datasets. A portion of the AI-generated annotations was reviewed and corrected by radiologists. Both the AI and radiologist annotations were encoded in compliance with the the Digital Imaging and Communications in Medicine (DICOM) standard, ensuring seamless integration into the IDC collections. All models, images, and annotations are publicly accessible, facilitating further research and development in cancer imaging. This work supports the advancement of imaging tools and algorithms by providing comprehensive and accurate annotated datasets.
arxiv情報
| 著者 | Gowtham Krishnan Murugesan,Diana McCrumb,Rahul Soni,Jithendra Kumar,Leonard Nuernberg,Linmin Pei,Ulrike Wagner,Sutton Granger,Andrey Y. Fedorov,Stephen Moore,Jeff Van Oss |
| 発行日 | 2024-09-30 14:43:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google