TotalVibeSegmentator: Full Torso Segmentation for the NAKO and UK Biobank in Volumetric Interpolated Breath-hold Examination Body Images

目的：提供一个公开可用的躯干分割网络，用于体积插值屏息检查（VIBE）图像的大型流行病学数据集。材料和方法：我们从TotalSegmentator、脊柱和体成分网络中提取了VIBE图像的初步分割，然后进行迭代改进并重新训练了nnUNet网络。使用NAKO（85个受试者）和英国生物库（16个受试者）的子集，在保留集（12个受试者）和现有器官分割方法（1000个受试者）上评估Dice分数，为VIBE图像生成71种语义分割类型。我们还提供了一个用于椎体分割的附加网络，包括22种单个椎体类型。结果：我们在71个分割标签中实现了平均0.89 +- 0.07的Dice分数。除了胰腺的Dice分数为0.70外，我们在腹部器官上得分>0.90的Dice分数。结论：我们的工作为VIBE图像提供了详细而精细的公开可用的全躯干分割。

论文提出了一个公开可用的VIBE图像全躯干分割网络，以解决大规模流行病学数据集的分割问题。

论文使用迭代改进和重新训练nnUNet网络的方法，生成了71种VIBE图像的语义分割类型，包括22种椎体分割类型。平均Dice得分为0.89，除了胰腺之外，腹部器官的Dice得分均大于0.90。

论文使用NAKO和UK Biobank数据集进行了评估，并提供了开源代码。此外，论文还提供了一个用于椎体分割的额外网络。

最近的相关研究包括“Automated Segmentation of Visceral and Subcutaneous Adipose Tissue in Abdominal MRI Using Convolutional Neural Networks”和“Fully Automated Segmentation of Kidneys from Abdominal CT Images Using Deep Learning”。