TotalSegmentator-CT-Lite

这是一个基于TotalSegmentator数据集的派生数据集，包含了1228个CT图像和对应的117个结构的分割掩码。所有图像和掩码都根据病例ID重新命名，并分别存放在'Images'和'Masks'文件夹中。数据集遵循CC-BY-4.0许可发布。

This is a derived dataset based on the TotalSegmentator dataset, which contains 1228 CT images and their corresponding segmentation masks for 117 anatomical structures. All images and masks have been renamed according to their case IDs, and stored separately in the 'Images' and 'Masks' folders respectively. This dataset is released under the CC-BY-4.0 license.

原始信息汇总

数据集概述

• 数据集名称: TotalSegmentator-CT-Lite
• 任务类别: 图像分割
• 语言: 英文
• 标签: 医学, 图像
• 数据量: 1K < n < 10K
• 许可证: cc-by-4.0

数据集详情

• 本数据集是基于TotalSegmentator的衍生数据集，包含1228个CT图像及其对应的117个结构的分割掩模。
• 所有分割掩模合并为单个nii.gz文件，存放在Masks文件夹下，所有CT图像移动到Images文件夹下。
• 所有图像和掩模按照病例ID重新命名。

官方发布

• GitHub (官方): TotalSegmentator (Apache-2.0许可证)
• 数据 (官方): Zenodo (CC-BY-4.0许可证)

分割标签

数据集包含以下分割标签：

1. 脾脏
2. 右肾
3. 左肾
4. 胆囊
5. 肝脏
6. 胃
7. 胰腺
8. 右肾上腺
9. 左肾上腺
10. 左肺上叶
11. 左肺下叶
12. 右肺上叶
13. 右肺中叶
14. 右肺下叶
15. 食管
16. 气管
17. 甲状腺
18. 小肠
19. 十二指肠
20. 结肠
21. 尿膀胱
22. 前列腺
23. 左肾囊肿
24. 右肾囊肿
25. 骶骨
26. S1椎骨
27. L5椎骨
28. L4椎骨
29. L3椎骨
30. L2椎骨
31. L1椎骨
32. T12椎骨
33. T11椎骨
34. T10椎骨
35. T9椎骨
36. T8椎骨
37. T7椎骨
38. T6椎骨
39. T5椎骨
40. T4椎骨
41. T3椎骨
42. T2椎骨
43. T1椎骨
44. C7椎骨
45. C6椎骨
46. C5椎骨
47. C4椎骨
48. C3椎骨
49. C2椎骨
50. C1椎骨
51. 心脏
52. 胸主动脉
53. 肺静脉
54. 头臂干
55. 右锁骨下动脉
56. 左锁骨下动脉
57. 右颈总动脉
58. 左颈总动脉
59. 左头臂静脉
60. 右头臂静脉
61. 左心耳
62. 上腔静脉
63. 下腔静脉
64. 门静脉和脾静脉
65. 左髂动脉
66. 右髂动脉
67. 左髂静脉
68. 右髂静脉
69. 左肱骨
70. 右肱骨
71. 左肩胛骨
72. 右肩胛骨
73. 左锁骨
74. 右锁骨
75. 左股骨
76. 右股骨
77. 左髋骨
78. 右髋骨
79. 脊髓
80. 左臀大肌
81. 右臀大肌
82. 左臀中肌
83. 右臀中肌
84. 左臀小肌
85. 右臀小肌
86. 左髋关节
87. 右髋关节
88. 左腰大肌
89. 右腰大肌
90. 大脑
91. 头颅
92. 左第1肋骨
93. 左第2肋骨
94. 左第3肋骨
95. 左第4肋骨
96. 左第5肋骨
97. 左第6肋骨
98. 左第7肋骨
99. 左第8肋骨
100. 左第9肋骨
101. 左第10肋骨
102. 左第11肋骨
103. 左第12肋骨
104. 右第1肋骨
105. 右第2肋骨
106. 右第3肋骨
107. 右第4肋骨
108. 右第5肋骨
109. 右第6肋骨
110. 右第7肋骨
111. 右第8肋骨
112. 右第9肋骨
113. 右第10肋骨
114. 右第11肋骨
115. 右第12肋骨
116. 胸骨
117. 肋软骨

搜集汇总

数据集介绍

构建方式

TotalSegmentator-CT-Lite数据集是在TotalSegmentator的基础上衍生而来，该数据集整合了1228个CT图像及其对应的117种结构的分割掩模。数据集构建过程中，将多个分割掩模整合至单个`nii.gz`文件，并存放在`Masks`文件夹下，同时将所有CT图像移动至`Images`文件夹下。所有图像与掩模均依据病例ID进行重命名，确保了数据的一致性和可追溯性。

使用方法

使用TotalSegmentator-CT-Lite数据集，用户首先需通过Huggingface Hub进行登录和数据的下载。下载后，数据集被组织为两个主要文件夹：`Images`与`Masks`。用户可以利用Python代码中的`snapshot_download`函数直接将数据集下载至本地指定目录。随后，用户可根据提供的分割标签字典`labels_CT`进行数据集的解析与应用，开展相关的医学图像分割研究。

背景与挑战

背景概述

TotalSegmentator-CT-Lite数据集，作为TotalSegmentator的衍生数据集，由wasserth等研究人员于近期推出。该数据集包含了1228个CT图像及其对应的117种结构的分割掩模，旨在为医学影像分割领域提供高质量的标注数据。数据集遵循CC-BY-4.0许可证发布，保障了数据的开放性与共享性。该数据集的推出，不仅丰富了医学影像分析资源，也为相关研究提供了有力支撑，对于推动医学影像分割技术的发展具有积极影响。

当前挑战

在研究背景方面，该数据集面临的挑战主要包括：一是如何精确标注117种不同的结构，保证数据标注的准确性与一致性；二是如何在保证数据质量的同时，处理大规模的医学影像数据，确保计算效率与存储效率。此外，构建过程中遇到的挑战还涉及数据集的标准化、隐私保护以及跨平台兼容性等问题，这些问题的解决对于数据集的广泛应用至关重要。

常用场景

经典使用场景

TotalSegmentator-CT-Lite数据集，作为医学图像分割领域的重要资源，其经典使用场景主要在于为研究者提供了丰富的CT影像及其对应的117种结构的分割掩模。该数据集使得研究者能够在此基础上开展深度学习模型的训练与验证，从而实现对医学影像中多种人体结构的精准识别与分割。

解决学术问题

该数据集解决了医学图像分割中的标注数据不足、标注质量参差不齐等问题，为学术界提供了高质量、标准化的医学图像数据。这对于推动医学图像分析技术的发展，提升临床诊断的精确度具有重要意义。同时，该数据集还促进了相关算法的优化和模型性能的提升。

实际应用

在实际应用中，TotalSegmentator-CT-Lite数据集可用于辅助医生进行疾病诊断，如肿瘤检测、器官病变分析等。此外，该数据集还可用于医学教育，帮助学生和医生更好地理解人体解剖结构，提高他们的诊断能力。

数据集最近研究

最新研究方向

在医学影像分析领域，TotalSegmentator-CT-Lite数据集因其包含丰富的结构和详细的标注，成为研究的热点。近期研究方向主要集中于深度学习模型的优化，以及如何在保证精确度的同时提高处理速度。此数据集的运用，推动了诸如自动病变检测、精准分割算法等研究的进展，对于提高临床诊断和治疗的精确性具有重要价值。