RibSeg v2

RibSeg v2是由复旦大学开发的大规模基准数据集，用于肋骨标注和解剖中心线提取。该数据集包含660个CT扫描（总计15,466个单独肋骨），并由专家手动检查标注肋骨标注和解剖中心线提取。RibSeg v2数据集利用公开的CT扫描数据，旨在解决临床应用中肋骨分割和标注的挑战，特别是在肋骨骨折检测和骨异常量化等领域。数据集的创建过程包括手动标注和一系列形态学操作，确保高质量的标注。该数据集的应用领域包括手术规划、术后评估和病理注册等。RibSeg v2 is a large-scale benchmark dataset developed by Fudan University for rib annotation and anatomical centerline extraction. It contains 660 CT scans with a total of 15,466 individual ribs, and its rib annotation and anatomical centerline extraction labels were manually reviewed and validated by domain experts. Leveraging publicly accessible CT scan data, RibSeg v2 is designed to tackle the challenges of rib segmentation and annotation in clinical practice, especially in fields such as rib fracture detection and bone abnormality quantification. The dataset construction process includes manual annotation and a series of morphological operations to ensure high-quality annotations. Its application areas cover surgical planning, postoperative evaluation, pathological registration and other related scenarios.

搜集汇总

数据集介绍

构建方式

RibSeg v2数据集是在现有的RibFrac数据集的基础上进行扩展的。RibFrac数据集包含660个胸部和腹部CT扫描，用于肋骨骨折的分割、检测和分类。RibSeg v2数据集在此基础上增加了肋骨标注和解剖中心线提取的注释。数据集包含15,466个肋骨，所有注释均经过专家手动检查。为了提高计算效率，RibSeg v2数据集采用了稀疏点云表示CT扫描，并与标准密集体素网格进行了比较。

使用方法

RibSeg v2数据集的使用方法包括两个主要任务：肋骨分割和解剖中心线提取。肋骨分割是通过将CT扫描转换为点云，并应用两阶段点云分割方法来实现的。首先进行二值分割以从CT扫描中获取肋骨，然后使用第二个模型对单个肋骨进行分割。解剖中心线提取是通过应用骨架化方法从标记的肋骨分割中提取的。数据集的注释均经过专家手动检查，确保了数据的高质量。此外，数据集还包含了标注肋骨和解剖中心线提取的注释，为肋骨分割和解剖中心线提取提供了重要的基准。最后，RibSeg v2数据集采用了稀疏点云表示CT扫描，提高了计算效率。

背景与挑战

背景概述

肋骨自动标注和解剖中心线提取对于各种临床应用具有重要意义，例如肋骨骨折检测和胸部创伤严重程度的评估。RibSeg v2数据集是一个大规模的基准数据集，用于肋骨标注和解剖中心线提取任务，包含660例胸部CT扫描（总计15,466根肋骨）和由专家手动检查的标注。该数据集的创建旨在解决现有研究中数据集不可获取和肋骨分割与标注临床意义不足的问题。RibSeg v2数据集由复旦大学附属华东医院放射科、卡内基梅隆大学、哈佛大学、加州大学圣地亚哥分校等机构的研究人员共同开发，并在IEEE Transactions on Medical Imaging上发表相关论文。该数据集的发布对相关领域的研究和应用开发产生了积极影响。

当前挑战

RibSeg v2数据集面临的挑战主要包括：1)肋骨在人体中通常呈长条形和斜向分布，需要评估大量的CT切片，增加了标注的难度；2)肋骨在解剖学上与肩胛骨和锁骨相邻，且一些肋骨可能被金属植入物连接，难以进行标注；3)肋骨中心线的提取容易受到图像噪声、伪影和肋骨质量的影响；4)现有的肋骨分割研究主要集中在肋骨分割上，而忽略了肋骨标注的临床意义；5)基于学习的肋骨分割和中心线提取方法对初始检测到的种子点非常敏感，且容易受到局部模糊的影响；6)深度学习方法虽然能够从原始体素中学习层次视觉特征，但忽略了肋骨的稀疏性和长条形几何形状。RibSeg v2数据集通过引入肋骨标注任务和提供大规模的标注数据，为解决上述挑战提供了新的思路和方法。

常用场景

经典使用场景

RibSeg v2 数据集是一个大规模的基准数据集，用于肋骨标记和解剖中心线提取。该数据集包含 660 份胸部和腹部 CT 扫描，共计 15,466 根肋骨，并由专家手动检查和标注。RibSeg v2 数据集的经典使用场景包括：1）肋骨标记：将肋骨从 CT 扫描中分割出来，并对分割结果进行标记，以便于临床应用；2）解剖中心线提取：从已标记的肋骨分割结果中提取解剖中心线，以便于手术规划和术后评估。

解决学术问题

RibSeg v2 数据集解决了肋骨标记和解剖中心线提取中的常见学术研究问题。首先，该数据集提供了一个大规模的基准数据集，使得研究人员可以对现有方法进行评估和比较，并开发新的方法。其次，该数据集包含了肋骨标记和解剖中心线提取的标注，使得研究人员可以研究这些任务的挑战和难点，并探索更鲁棒的算法。最后，该数据集提供了一个基于深度学习的肋骨标记和解剖中心线提取的流程，为相关研究提供了参考。

实际应用

RibSeg v2 数据集在实际应用场景中具有重要的意义。首先，该数据集可以用于肋骨骨折的检测和分类，以便于临床医生评估胸部创伤的严重程度。其次，该数据集可以用于肺容积估计、骨异常量化、儿科脊柱畸形等分析任务。此外，基于肋骨解剖中心线，可以构建内部坐标系，以便于手术规划和术后评估。最后，该数据集可以用于开发肋骨可视化工具，以便于临床医生减少肋骨解释的负担。

数据集最近研究

最新研究方向

RibSeg v2 数据集的发布标志着在肋骨标注和解剖中心线提取领域的一个重要进展。该数据集提供了660例胸部腹部CT扫描图像，包括15,466个肋骨的标注和解剖中心线，为研究者提供了丰富的数据资源。RibSeg v2 数据集不仅关注肋骨分割，还着重于肋骨的解剖标注，这对于临床应用具有重要意义。研究者在数据集的基础上，开发了一种基于深度学习的方法进行肋骨标注，以及基于骨架化的方法进行解剖中心线提取。此外，研究者还比较了CT扫描图像的稀疏点云表示和标准密集体素网格表示，并提出了多种评估指标以解决各个任务的关键挑战。RibSeg v2 数据集和相关研究对于推动肋骨分割和解剖中心线提取技术的发展，以及促进下游应用如肋骨骨折检测和骨骼异常量化等方面具有重要意义。

相关研究论文

• RibSeg v2: A Large-scale Benchmark for Rib Labeling and Anatomical Centerline Extraction

  复旦大学 · 2023年