3项冠军!医学图像顶会 MICCAI 2023 挑战赛荣获10余项大奖

关注下方公众号,了解通用视觉团队更多科研动态

在最近举行的2023年国际医学图像计算与计算机辅助介入会议(MICCAI)上,上海人工智能实验室通用视觉中心(OpenGVLab)的医疗研究团队(参赛队伍名Blackbean)取得了瞩目的成就。在高度竞争的环境中,我团队不仅在肝脏肿瘤分割(ATLAS)、儿童神经母细胞瘤手术规划(SPPIN)、以及手术器械分割(Syb-ISS)3 项挑战中荣膺冠军,而且还在全身病灶分割(AutoPET)、脑肿瘤分割(BraTS)、头颈部器官分割(SegRap)、腹部多器官分割(FLARE)、多场景手术仪器分割(SIMS)等赛事中获得 7 项亚军和 4 项季军的好成绩。

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

ATLAS 挑战赛的目标是从对比增强的磁共振成像中自动分割出肝脏和肿瘤。肝癌是世界上第六大最常见的癌症,也是癌症导致死亡的第四大原因。在不可切除的肝癌,特别是肝细胞癌(HCC)中,可以考虑使用经动脉放射栓塞(TARE)进行治疗。TARE治疗涉及预先进行的对比增强磁共振成像(CE-MRI)检查,该检查用于描绘肝脏和肿瘤以便于进行剂量测定计算。由于肝脏和肿瘤的划界过程需要大量时间和专业知识,因此自动化的分割肝脏和肝脏肿瘤非常关键。

本团队利用STU-Net模型在ATLAS 2023竞赛中获得了冠军

SPPIN

挑战赛

SPPIN 挑战赛旨在为神经母细胞瘤患者进行手术规划。神经母细胞瘤是儿童常见的恶性肿瘤,针对这种肿瘤的手术往往较为复杂。因为肿瘤可能靠近或包裹着腹部的重要器官和血管,这就增加了手术的难度。为了更准确地制定手术计划,医生需要清楚地了解肿瘤与周围结构的关系。为了了解这种关系,磁共振成像(MRI)作为术前成像技术被用于准确地对图像进行分割,这有助于医生更好地在术前理解手术目标的复杂情况,进而提高手术成功率。
本团队利用STU-Net模型在SPPIN竞赛中获得了冠军

Syn-ISS

挑战赛

SYN-ISS挑战赛通过利用合成数据来模拟内窥镜手术场景,旨在推动医学图像分割算法的发展。在外科手术领域,深度学习方法取得重大突破所需的关键是构建规模较大的训练数据集,但这一点一直以来都是一个困扰。除了无监督和自监督方法,使用合成数据是另一种可行的解决方案。合成数据具有许多好处,例如可以大规模免费生成、构造包括解剖学变异在内的罕见事件样本等。Syn-ISS挑战赛利用合成数据集来训练用于外科手术仪器分割的模型,并在合成数据集上测试其性能。该比赛的实验结果将为未来在实际应用中使用合成数据提供实验参考。这将加速迁移学习领域从模拟合成数据到现实世界的研究,并为更贴近现实世界应用的挑战做好准备和提供支持。
本团队在Syn-ISS – Parts Segmentation任务中获得了冠军

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。

点击下方区域可以弹出证书

点击下方区域可以弹出证书

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

BraTS 2023 – Africa

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。

SegRap2023

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

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注