CBCTLiTS: A Synthetic, Paired CBCT/CT Dataset For Segmentation And Style Transfer

医学影像在计算机辅助干预中至关重要。特别是锥形束计算机断层扫描（CBCT）具有实时和移动性能，发挥着重要作用。然而，CBCT图像经常受到伪影的影响，这对于准确解释构成了挑战，促使人们研究更有效的高级算法以在临床实践中使用。在这项工作中，我们提供了CBCTLiTS，这是一个用于分割的合成生成的、带标签的CBCT数据集，具有配对和对齐的高质量计算机断层扫描数据。CBCT数据以5种不同的质量级别提供，从具有高视觉质量和轻微伪影的大量投影到具有严重伪影的少量投影。这允许进行全面的研究，质量作为自由度。我们还为几种可能的研究场景提供了基线，如单模态和多模态分割、多任务学习和样式转移，然后是相对简单的肝脏分割到复杂的肝脏肿瘤分割。CBCTLiTS可通过https://www.kaggle.com/datasets/maximiliantschuchnig/cbct-liver-and-liver-tumor-segmentation-train-data进行访问。

CBCTLiTS论文旨在解决CBCT图像中的伪影问题，为肝脏和肝肿瘤分割提供一个综合的数据集。

论文提出了CBCTLiTS，一个包含不同质量级别的合成CBCT数据集，以及与之匹配的高质量CT数据，为肝脏和肝肿瘤分割提供了多种研究场景和基线。

CBCTLiTS数据集包含不同质量级别的CBCT数据和匹配的CT数据，为研究CBCT图像质量和分割算法提供了灵活性。论文提供了多种研究场景和基线，如单模态和多模态分割、多任务学习和风格转移等。数据集已经公开，并提供了开源代码和实验结果。

在肝脏和肝肿瘤分割领域，已经有许多研究进行。例如，Liver and Tumor Segmentation (LiTS) Challenge，以及Liver Tumor Segmentation (LiTS)论文。