3D-IRCADB脏器分割数据集

3D-IRCADb-01 数据库由 10 名女性和 10 名男性 75% 的肝肿瘤患者的 3D CT 扫描组成。 20个文件夹对应20个不同的患者，可以单独下载也可以联合下载。下表提供了图像信息，例如肝脏大小（宽度、深度、高度）或根据 Couninaud 分割的肿瘤位置。它还表明肝脏分割软件可能遇到的主要困难是由于与邻近器官的接触、肝脏的非典型形状或密度，甚至图像中的伪影。

For reference, please cite our publication below：

Soler, L., A. Hostettler, V. Agnus, A. Charnoz, J. Fasquel, J. Moreau, A. Osswald, M. Bouhadjar, and J. Marescaux. “3D image reconstruction for comparison of algorithm database: A patient specific anatomical and medical image database.” IRCAD, Strasbourg, France, Tech. Rep (2010)

脏器分割数据集，3D-IRCADB - 飞桨AI Studio

Open Source Libs is a massive collection of the world's best open source projects. Our mission is to help you discover great open source software to include in your own projects.

 OSn3D-IRCADb-01 数据库由 10 名女性和 10 名男性 75% 的肝肿瘤患者的 3D CT 扫描组成。 20个文件夹对应20个不同的患者，可以单独下载也可…

最近医学图像处理顶刊MIA上刊出来一篇美国约翰霍普金斯大学 Alan组关于多器官分割的长文。Alan组有一个比较大的标记好的多器官数据…

肝脏分割数据集，预处理，数据增强，模型搭建及分割可视化。

3D-IRCADb-01 数据库由 10 名女性和 10 名男性 75% 的肝肿瘤患者的 3D CT 扫描组成。20个文件夹对应20个不同的患者，可以单独下载也...

【深度学习】一个应用—肝脏CT图像自动分割（术前评估）
文章目录
1 目标
2 数据集
3 LITS2017
3.1 LiTS数据的预处理
3.2 LiTS数据的读取
3.3 数据增强
3.4 数据存储
4 U-Net3d搭建
5 结果
1 目标
分割出CT腹部图像的肝脏区域。
 

腹部CT多脏器的自动分割可以提高疾病诊断、预后分析和治疗计划等临床工作流程的效率。然而，大量带人工标注的临床CT数据导致分割模型的标注过程非常耗时，而且多尺度病人脏器与形状变化和脏器边界模糊效应导致自动精准的腹部CT多脏器分割充满挑战。

对此，研究团队提出了一种混合形变模型（Hybrid Deformable Model, HDM）的新型数据扩充方法，缓解了因训练数据不足导致的网络过拟合问题。HDM由不同病人间的脏器配准形变和同一病人内的脏器随机形变组成。相比于传统的数据扩充方法，HDM因其产生几何变化的多样性，使网络更能捕捉到腹部CT中不同形态的脏器位置。HDM不仅能用于医学图像分割，还可以用于图像配准和图像重建，有望成为一种基于深度学习的通用数据扩充方法。此外，研究团队设计了一个基于三维注意力机制的多尺度特征融合网络，有效地降低了网络的训练难度并提升了分割精度。通过在多中心的腹部CT数据上的交叉验证，结果显示研究团队提出的方法成功实现了腹部CT多脏器智能分割。