科研项目

项目概要

本项目目标是提出了一个大规模的、临床的和多样化的腹部多器官基准。为此提供了从多中心、多模态、多阶段、多疾病患者收集的500个CT扫描和100个MRI扫描，且每个扫描都有15个腹部多器官的体素级标注。此外，本项目已公开了集成的腹部多器官数据集和在通用医学分割模型上测试的基线性能。

项目挑战

由于3D医学数据的获取和标注成本很高，现有相关医疗数据集大多为小规模数据集，即有限的数据样本或少量的器官标注；

数据样本缺乏多样性，当测试数据分布在临床场景下有变化时，在单一数据样本下训练的模型性能往往会出现灾难性的表现。

CT/MRI腹部多器官的体素级标注

数据集CT/MRI的具体分布信息

项目意义

对腹部器官解剖结构的体素级精确理解对于计算机辅助临床应用（例如临床的疾病诊断和放射治疗计划）至关重要。 具体而言，高精度的腹部器官分割能提供关键信息，例如器官之间的相互关系以及标准化空间中的个体位置和形状，这对于辅助医生做临床决策至关重要。针对当前的项目挑战，我们提供了包含了600 个计算机断层扫描 (CT) / 磁共振成像 (MRI) 扫描和超过 74K 注释切片的大规模腹部多器官数据集，数据从现实临床环境的多个不同的扫描仪中获取，具有显著的多样、异质性；且该多功能数据集可以潜在地用作各种学习任务，例如分布外 (OOD) 泛化、跨模态学习、迁移学习，隐私保护计算等，以此来激发、促进未来的医学研究。

腹部多器官数据采集

AMOS标注工作流程：

• 首先是粗标注的第一阶段：由预训练的分割模型（如3D-Unet、VNet等）自动预测得到粗略的伪标注信息；
• 其次是人工标注细化的第二阶段：第一步得到的粗略标注由5名训练有素的初级放射科医生逐例检查和重新审查分割结果；为了进一步减少错误/偏差，三位具有超过10年临床经验的资深放射科医生负责最终验证。
• 整个过程将在第二阶段迭代多次，包括标注审查、错误修正和反馈分发以提高标注质量，这种交互式的检查能有效地减少个别标注者可能造成的偏差。

实时可视化的腹部多器官分割医疗平台

合作伙伴        

香港大学  中山大学  中国科学院  深圳市龙岗中心医院  深圳市龙岗人民医院   亚马逊

研究成员与团队          

PI：张瑞茂教授          

项目经理：王昌淼博士          

博士生：纪源丰、杨杰、葛崇剑          

研究助理：白皓天、朱烨