数据集 开放访问

基于有限数据的Covid-19肺部感染的鲁棒胸CT图像分割

DominikMüller.; IñakiSotoRey; 弗兰克克莱默

背景: 2019年冠状病毒疾病(Covid-19)影响了世界各地的数十亿个生活,对公共医疗保健产生了重大影响。对于定量评估和疾病,监测医学成像,如计算机断层扫描术提供了极大的潜力作为RT-PCR方法的替代。因此,非常需要自动图像分割作为临床决策支持。然而,公开可用的Covid-19成像数据受到限制,导致传统方法的过度接近。

方法: 为了解决这个问题,我们为Covid-19感染区域提出了一种创新的自动分割管道,其能够通过利用作为变体数据库来处理小型数据集。我们的方法通过执行几种预处理方法和利用广泛的数据增强来侧重于训练的独特和随机图像修补程序的开运唯一和随机图像补丁。为了进一步减少过度拟合风险,我们实现了标准的3D U-Net架构,而不是新的或计算复杂的神经网络架构。

结果: 通过20 CT扫描的k倍交叉验证作为Covid-19的培训和验证,我们能够开发高度准确的以及肺部和Covid-19受感染的地区的强大的细分模型,而不会在有限数据上过度接近。我们通过基于交叉验证的敏感性分析和对模型相互性的敏感性分析来对我们管道的鲁棒性进行详细的分析和讨论应用预处理技术的模型概括性。我们的方法在从0.804的验证上的预测和注释分割之间实现了Covid-19之间的骰子相似度系数,并在验证的单独测试组上由100名患者进行了0.661。

结论: 我们证明,所提出的方法优于相关方法,对CoVID-19分割的最先进,并提高了基于有限数据的鲁棒医学图像分析。

代码和模型可在以下链接下提供:
//github.com/frankkramer-lab/covid19.MIScnn

Code: //github.com/frankkramer-lab/covid19.MIScnn
Files (3.2 GB)
名称 尺寸
评估
MD5:74C65427C595986C41D74ED5B1EE9BFC
662.0 MB. Download
模型
MD5:20AC6F5186D7E98EDBD54BC547D50AD6
2.5 GB Download
预测
MD5:3FB40F3F9C05F224EC22421A7B9AD450
17.6 MB. Download
补充
MD5:2A67CC8A134B7F89996E1321E4465402
4.3 MB Download
3,453
707
views
downloads
所有版本 这个版本
意见 3,453497
下载 70718
数据量 912.6 GB. 12.3 GB.
独特的观点 2,979416
独特的下载 34012

分享

引用