AMCOD:急性恶性结直肠梗阻数据集
《Computer Methods and Programs in Biomedicine》:AMCOD: Acute Malignant Colorectal Obstruction Dataset
【字体:
大
中
小
】
时间:2026年10月10日
来源:Computer Methods and Programs in Biomedicine 6.4
编辑推荐:
## 摘要
### 背景与目标:
自动化结直肠分割为急性恶性结直肠梗阻的术前评估提供了定量依据。然而,现有公开数据集主要聚焦于常规解剖结构,缺乏对结直肠癌相关解剖表型的表征。本研究旨在建立一个用于急性恶性结直肠梗阻结直肠分割的专用数据集,并为评估分割模型提供基准。
###
## 摘要### 背景与目标:自动化结直肠分割为急性恶性结直肠梗阻的术前评估提供了定量依据。然而,现有公开数据集主要聚焦于常规解剖结构,缺乏对结直肠癌相关解剖表型的表征。本研究旨在建立一个用于急性恶性结直肠梗阻结直肠分割的专用数据集,并为评估分割模型提供基准。### 方法:回顾性纳入共86例符合条件的病例,构建AMCOD数据集,将结直肠标注为近端、梗阻端和远端三段。实验内容包括:在AMCOD上建立分割基准,通过消融分析评估三区域监督策略的贡献,并利用两个公开结直肠数据集评估跨数据集的可迁移性。### 结果:基准实验揭示了三个标注结直肠区域之间的性能差异,梗阻段在所有评估模型中始终表现出最低的分割性能。消融分析表明,与仅梗阻监督相比,三区域监督改善了梗阻段的分割效果。跨数据集评估进一步表明,基于AMCOD训练的模型在两个评估的外部数据集上均保留了结直肠分割能力。### 结论:本工作为急性恶性结直肠梗阻分割提供了数据集资源,并建立了在梗阻相关解剖条件下评估分割方法的基准。为进一步研究和社区发展,所提出的数据集已在以下地址公开提供:https://github.com/FZU312lab/AMCOD。---## 引言医学图像分割为急性恶性结直肠梗阻的影像评估提供了定量依据。急性恶性结直肠梗阻是一种以突发性和高死亡率为特征的急腹症手术。传统上,器官分割由急诊外科医生或放射科医师手动完成。手动勾画耗时且受观察者间变异性影响,这限制了其在时间敏感场景中的可扩展性。基于深度学习的模型为自动化和加速这一工作流程提供了有前景的解决方案。然而,其性能高度依赖于高质量的标注数据进行大规模训练。目前,专门针对急性恶性结直肠梗阻的标注数据集匮乏,构成了一个重大瓶颈,限制了自动化分割方案的推进。专门开发急性恶性结直肠梗阻数据集面临着独特挑战,主要源于对平扫计算机断层扫描的依赖。虽然平扫CT因其快速采集而成为首选诊断方式,但它给标注质量带来了独特困难。平扫CT固有的低软组织对比度使肠壁与邻近的积液或肌肉等密度,导致边界模糊,阻碍了准确的勾画。此外,梗阻肿瘤经常被盘绕的肠袢或粪便残渣所掩盖,使得这些关键病变无法与背景区分,极易被漏诊。因此,构建此类数据集需要大量人力,并要求标注者具备高超的临床专业知识以解决这些模糊区域的差异。尽管已有多个结直肠影像数据集公开发表,现有资源主要是为特定任务和应用场景设计的。急性恶性结直肠梗阻代表一种特殊的急诊情况,其影像特征和分割目标与常规结直肠分析任务不同。该场景涉及软组织对比度有限的平扫CT以及梗阻相关的肠道形态学改变。专门设计用于捕捉这些影像特征和梗阻相关解剖改变以进行急性恶性结直肠梗阻分割的专用数据集仍然有限。针对这一缺陷,我们提出了急性恶性结直肠梗阻数据集。从一个涵盖十年临床历史的数据集中,我们筛选出86例表现出极端解剖形态的病例,包括严重的肠折叠和缠绕。我们开发了一种三区域标注方案,明确界定结直肠的近端、梗阻端和远端段。标注工作流程包括初步勾画、高级审核和基于共识的精细化,以提高标注一致性。使用六种代表性分割方法进行的基准测试表明,AMCOD能够支持在所研究的实验设置下进行模型训练和比较评估。我们还进行了双向跨数据集实验,以评估该新基准在常规结直肠分割任务中的效用。结果表明,在AMCOD上训练的模型在两个评估的外部结直肠数据集上仍保留了分割能力。总之,本工作的主要贡献如下:1. 我们提出了AMCOD,一个包含86例急性恶性结直肠梗阻病例的数据集,用于评估梗阻相关解剖条件下的分割性能。数据集已在https://github.com/FZU312lab/AMCOD公开提供,以促进未来研究。2. 一个临床驱动的细粒度标注系统将结直肠划分为三个结直肠区域。采用了多专家评审工作流程以确保标注的一致性和可靠性。3. 通过对六种代表性分割方法的系统评估,我们建立了急性恶性结直肠梗阻分割的基准框架。---## 章节摘要### 相关工作如表1所示,公开可用的结直肠CT数据集可根据其主要目标大致分为两类:以病灶为中心的数据集,侧重于检测和平滑如肿瘤等病理病灶;以及以器官为中心的数据集,旨在通过器官级别的分割来表征解剖结构。### 急性恶性结直肠梗阻数据集图2展示了AMCOD数据集构建工作流程的概述。该工作流程整合了队列选择与管理、图像预处理、图像标注、数据整理和数据评估等关键环节。通过利用这一标准化工作流程,我们将原始急诊平扫CT图像转化为用于模型训练和验证的精炼数据集。我们在以下各节中详细介绍了每个步骤的具体实现。### 实现细节AMCOD数据集上的所有评估实验均使用PyTorch 2.6.0框架在Ubuntu 20.04上实施,采用Python 3.10和CUDA 12.4。实验在单张具有24 GB显存的NVIDIA RTX 4090 GPU上进行。为确保可重复性和公平比较,所有模型均训练300个周期。随机种子固定为12345。图像预处理和数据增强按照nnU-Net v2流水线实现。图像预处理包括体素间距……### 讨论基准结果显示,三个标注结直肠区域之间存在性能差异。梗阻段观察到的较低性能可能反映了其相对体积较小、低对比度边界以及肠腔扩张、狭窄和塌陷之间变化的综合影响。标注策略分析表明,与仅梗阻监督相比,三区域监督在所有评估模型中均改善了梗阻段的分割效果。### 结论AMCOD提供了86例CT病例,标注了结直肠的近端、梗阻端和远端段。使用六种分割方法的基准实验在AMCOD上建立了基线性能,并一致表明梗阻段是最具挑战性的区域。消融实验表明,三区域监督在所有评估模型中均改善了梗阻段的分割效果。在双向跨数据集评估中,AMCOD训练的模型保留了……### 作者贡献声明**Yan Huang:** 写作 – 审阅与编辑、写作 – 原稿撰写、可视化、软件、方法论、调查、正式分析、数据整理。**Shu Chen:** 写作 – 审阅与编辑、监督、经费获取、概念化。**Junrong Zhang:** 写作 – 审阅与编辑、验证、资源、数据整理。**Shuai Chen:** 写作 – 审阅与编辑、验证、数据整理。**Liqin Huang:** 写作 – 审阅与编辑、监督、项目管理、经费获取。### 伦理声明本研究严格按照《赫尔辛基宣言》执行。研究方案经福建医科大学附属协和医院伦理委员会批准(批准号:2024KJCX158)。本研究涉及的所有患者均已获得知情同意。### 资助本工作得到国家自然科学基金(资助号:62271149)和福建省科技创新联合基金(资助号:2023Y9144和资助号:2024Y9283)的支持。### 利益冲突声明作者声明,他们不存在已知的可能影响本论文所报告工作的竞争性经济利益或个人关系。---Yan Huang | Shu Chen | Junrong Zhang | Shuai Chen | Liqin Huang | Xianqiang Chen福州大学 物理与信息工程学院,福州,350108,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号