关注下方公众号,了解通用视觉团队更多科研动态
MICCAI 挑战赛在医学图像研究领域具有重要地位,它聚集了全球研究者共同解决医学图像分析中的核心问题。为此,它为全球参赛者提供了一个平等竞争的舞台,用以展示他们设计的先进算法,这对推动医学图像技术的进步和技术向临床应用的转化具有不可估量的价值。在今年一系列激烈的竞赛中,我团队自研的14亿参数医疗分割大模型STU-Net 发挥了关键作用。STU-Net 不仅在 ATLAS 和 SPPIN 挑战中取得了冠军,而且在AutoPET、BraTS和FLARE等多样化的任务中都表现出色,这突显了其作为一个预训练医疗图像分割大模型的潜力和重要性。
ATLAS
挑战赛
本团队利用STU-Net模型在ATLAS 2023竞赛中获得了冠军
SPPIN
挑战赛

Syn-ISS
挑战赛

Auto-PET
挑战赛
autoPET-II挑战赛致力于开发能够自动识别和分割全身FDG-PET/CT扫描中的肿瘤病灶的算法。FDG-PET/CT是诊断肿瘤的关键技术,它可以捕捉到肿瘤细胞高度活跃消耗糖分的特征。因此,使用该技术进行准确地自动分割对于肿瘤的评估和跟踪至关重要。由于手动分割费时且成本高昂,所以,开发自动化的解决方案对于提高诊断效率和减轻医疗专业人员的负担非常必要。挑战赛的目标是实现高精度和快速的分割,同时减少将正常器官错误识别为肿瘤的情况。
BraTS
挑战赛
BraTS 挑战赛自2012年以来一直专注于为成人脑胶质瘤的分割提供基准测试,是医学图像分析领域影响力最大的比赛之一。2023年的BraTS挑战赛显著扩展了数据集,包括了新的人群(例如,撒哈拉以南的非洲患者,儿童患者),不同的肿瘤类型(如脑膜瘤,转移瘤)。BraTS 挑战赛不仅推动了脑肿瘤分割技术的发展,也促进了算法在不同任务中的泛化能力研究,有助于提高脑肿瘤治疗的准确性和效率。
BraTS 2023 – Meningioma
BraTS 2023 – Brain Metastases

SegRap
挑战赛
SegRap 2023 挑战赛关注的是放射治疗计划中的一个关键步骤:自动绘制肿瘤和风险器官的边界。放射治疗是通过外部射线杀死癌细胞的疗法,而放射治疗计划旨在确保癌细胞得到足够的辐射剂量,同时保护风险器官中的正常细胞不受过多辐射。达成这一目标需要首先在CT扫描中绘制出肿瘤和风险器官的边界,而手动在CT扫描中逐层绘制是耗时且繁琐的,自动化这一过程可以大幅减少治疗计划时间,提高放疗效率。该挑战赛提供了来自200名鼻咽癌(NPC)患者的 CT 扫描数据集,包括无对比和增强对比CT扫描。该赛事需要完成两个任务:一是自动分割45个风险器官;二是勾画鼻咽和淋巴结的肿瘤靶区。该挑战赛的目标是减少放疗计划的时间,同时保持或提高放射剂量分配的准确性。

FLARE
挑战赛
MICCAI FLARE 2023挑战赛旨在提高腹部CT扫描中的全面肿瘤与器官自动分割技术。腹部器官是常见的癌症发生部位,CT扫描对于癌症预后的评估和治疗监控至关重要。此次挑战赛是首个针对腹部CT中泛癌症分割的竞赛,包括13个器官和各类癌症。挑战提供了一个覆盖 30 多个医疗中心、含4000个3D CT扫描的大型数据集,其中2200个案例带有部分标签,1800个未标注。评价标准将重点考察分割的准确性与执行效率。

SIMS
挑战赛
SIMS比赛是一个关于多个场景下多手术仪器分割的挑战赛,包含了domain-aware以及domain-unaware两种情形下手术器械类型分割和手术器械部位分割共计四个子任务。自动检测和跟踪内窥镜视频中的手术工具是许多计算机辅助和机器人辅助手术系统的先决条件,它具有多种可能的应用,例如手术绩效评估、工作流分析、增强现实叠加或认知手术机器人。尤其在认知机器人领域,原型的初步测试可能在人体试验之前的多个阶段进行,包括体外和体内动物手术等。这对于工具识别算法的开发提出了独特的挑战,因为在初始训练阶段使用的工具数量和类型以及人类和动物的解剖结构可能存在显著差异。该比赛提供了来自四个不同手术领域的分割数据集,包括体内腹腔镜(人体)、体内机器人(人体)、体外腹腔镜(猪)、体外机器人(猪)。对于每个领域,数据集提供了由内窥镜拍摄的图像,并根据操作/程序进行了划分,从而能够用于不同场景下手术机器人器械分割算法的评估。
关注下方公众号,了解更多科研动态
本篇文章来源于微信公众号: 医工学人