[论文解读] CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography

Yang Deng, Ce Wang+13 more|arXiv (Cornell University)|May 31, 2021

Medical Imaging and Analysis参考文献 23被引用 34

一句话总结

CTSpine1K 提供了公开可用的最大标注脊柱 CT 数据集（1005 个体积，1.1万以上椎骨），用于椎骨分割，并建立了一个新的基准和基线，使用 nnUnet。

ABSTRACT

Spine-related diseases have high morbidity and cause a huge burden of social cost. Spine imaging is an essential tool for noninvasively visualizing and assessing spinal pathology. Segmenting vertebrae in computed tomography (CT) images is the basis of quantitative medical image analysis for clinical diagnosis and surgery planning of spine diseases. Current publicly available annotated datasets on spinal vertebrae are small in size. Due to the lack of a large-scale annotated spine image dataset, the mainstream deep learning-based segmentation methods, which are data-driven, are heavily restricted. In this paper, we introduce a large-scale spine CT dataset, called CTSpine1K, curated from multiple sources for vertebra segmentation, which contains 1,005 CT volumes with over 11,100 labeled vertebrae belonging to different spinal conditions. Based on this dataset, we conduct several spinal vertebrae segmentation experiments to set the first benchmark. We believe that this large-scale dataset will facilitate further research in many spine-related image analysis tasks, including but not limited to vertebrae segmentation, labeling, 3D spine reconstruction from biplanar radiographs, image super-resolution, and enhancement.

研究动机与目标

• 创建一个大规模、来自多源的脊柱 CT 数据集，具有高质量的椎骨分割注释。
• 提供一个统一的标注流程，以确保跨来源标注的一致性。
• 使用强大、能自配置的模型(nnUnet)建立椎骨分割的基线性能。
• 分析 CTSpine1K 与 VerSe 数据集之间的跨领域泛化，以突出领域差距。

提出的方法

• 从四个开放来源聚合 1,005 个脊柱 CT体积，以最大化外观差异。
• 设计一个统一的注释工作流程，包含 nnUnet 预标注、初级/高级/临床评审和二次核对，以确保高质量的真实值。
• 对 C1 到 L6 的椎骨进行 25 个标签标注，并以 NIfTI 格式保存掩码。
• 使用3D 全分辨率 nnUnet 建立基准分割模型，并报告逐椎骨的 Dice 与 95百分位 Hausdorff 距离 (HD95)。
• 将数据分为训练 (610)、test_public (197) 和 test_private (198)；在 Test_VerSe 上评估以实现跨数据集比较。

实验结果

研究问题

• RQ1 一个大规模、来自多源的脊柱 CT 数据集是否能够通过提供多样的解剖结构和成像条件来改进椎骨分割？
• RQ2 在不同划分和 VerSe 数据集上，强基线模型(nnUnet)在 CTSpine1K 的表现如何？
• RQ3 在椎骨分割方面，CTSpine1K 与公开 VerSe 数据集之间的领域差距是什么？

主要发现

• CTSpine1K 包含 1,005 个 CT 体积，来自多家制造商与多种条件，总标记椎骨数量超过 11,100。
• 在 Test_public、Test_private 和 Test_VerSe 的平均椎骨 DSC 分别为 0.869、0.840 和 0.766；平均脊柱 DSC 分别为 0.985、0.984 和 0.929。
• L6 椎骨尤为具有挑战性（Test_public；DSC = 0，HD = 66.21 mm；Test_private；HD = 80.33 mm；Test_VerSe；HD = 45.16 mm），这表明疾病和解剖变异会影响分割。
• 在 CTSpine1K 上训练的模型在自身数据上表现良好，但在 VerSe 数据上表现显著较差，提示存在明显的领域差距。
• COLONOG 子数据集（在 CTSpine1K 内）与 VerSe 的 COLONOG 不同，解释了部分领域差异，并强调 CTSpine1K 作为 VerSe 的补充的价值。
• 标注质量与流程通过与 VerSe 基线对齐及专家评审得到验证；该数据集旨在支持更广泛的脊柱影像分析任务。