数据集元信息

数据集名称：AbdoSeg（Abdominal Segmentation）医学影像数据集

数据来源：医院和医疗机构的 CT、MRI 扫描

观测目标：腹部多个器官，如肝脏、肾脏、脾脏、胰腺等

数据内容：

• DICOM（数字成像和通信）格式的 CT、MRI 影像数据：腹部区域的三维 CT、 MRI 影像数据

• NIfTI格式的 CT、MRI 影像数据：腹部区域的三维CT影像数据

• 标注数据：由自动标注软件自动标注的多个腹部器官的分割标签，用于训练和评估分割算法

样本数量：数据集中包含约 2400张 CT 扫描样本和约 1300 张 MRI 扫描样本，每个样本包含相应的 DICOM 格式影像数据、NIfTI格式影像数据及其对应的标注数据，共计约 287 G

应用场景：用于开发和评估医学影像分割算法，帮助自动化医疗诊断和治疗计划

标注工作流程

• 数据准备

  • 数据格式转换：确保数据格式（如DICOM、NIfTI等）适合模型输入，并进行必要的格式转换。

  • 数据预处理：进行必要的预处理步骤，如图像归一化、裁剪、增强等，以适应预训练模型的输入要求。

• 选择预训练模型：选择适合任务的预训练模型；为完成标注，本流程预先训练了一下六种模型：

  模型名称	模型规模
  nnFormer	2.24 GB
  nnUNet	238.1 MB
  Swin-Unetr	958.8 MB
  Unetr	1.39 GB
  VNet	696.9 MB
  CoTr	639.2 MB

  模型规模表

• 运行预测

  • 输入数据：将预处理后的图像数据输入到预训练模型中。

  • 执行预测：运行模型，获取预测结果（例如，每个像素的分类结果）。

  • 后处理：对模型输出的预测结果进行后处理，如平滑、形态学操作、区域选择等，以提高标注结果的准确性。

• 人工审核与修正

  • 初步标注：利用预训练模型的输出结果作为初步标注。

  • 人工审核：由经验丰富的标注专家对模型的初步标注结果进行审核，检查和纠正模型可能的错误。

  • 手动修正：对不准确的标注区域进行手动修正，确保最终标注结果的高质量。

• 数据存储与管理

  • 保存结果：将最终的标注结果以 NIfTI 格式进行存储。

  • 版本控制：对标注数据进行版本控制，保存不同阶段的标注结果以备查。

  • 数据备份：对标注数据进行备份，确保数据安全和可靠。

• 模型反馈与优化

  • 性能评估：对预训练模型的标注结果进行评估，计算指标如准确率、召回率、F1分数等。

  • 模型优化：根据评估结果，对模型进行进一步训练和优化，利用修正后的标注数据作为新的训练集。

  • 迭代优化：多次迭代上述步骤，不断提高模型的标注性能。

数据示例

CT 扫描数据

标签数据

文件结构

      
        /data_medical/
        |-- /dicom/
        |   |-- CT/
        |   |   |-- 2018.tar
        |   |   |-- 2019.tar
        |   |   |-- ...
        |   |-- MRI/
        |       |-- 2015.tar
        |       |-- 2016.tar
        |       |-- ...
        | 
        |-- /data/
        |   |-- CT/
        |   |   |-- 0001.nii.gz
        |   |   |-- 0004.nii.gz
        |   |   |-- ...
        |   |-- MRI/
        |       |-- 0500.nii.gz
        |       |-- 0501.nii.gz
        |       |-- ...
        |   
        |
        |-- /label/
        |   |-- CT/
        |   |   |-- 0001.nii.gz
        |   |   |-- 0004.nii.gz
        |   |   |-- ...
        |   |-- MRI/
        |       |-- 0500.nii.gz
        |       |-- 0501.nii.gz
        |       |-- ..