MICCAI2024-AutoPETIII
Automated Lesion Segmentation in Whole-Body PET/CT - Multitracer Multicenter Generalization（AutoPETIII）数据集是MICCAI2024 AutoPET竞赛中的数据，数据包括一个标签为 tumor=1。autoPET III挑战赛的目标是进一步优化在多中心、多示踪剂环境下的肿瘤病灶自动分割。PET/CT是肿瘤学中重要的诊断工具，但目前大多依赖定性分析，而定量分析可提供更精确的个性化治疗方案。手动分割病灶耗时且繁琐，限制了自动定量分析的应用。挑战通过提供含有两种不同示踪剂（前列腺特异性膜抗原PSMA和氟脱氧葡糖FDG）的多中心PET/CT数据，旨在推动跨示踪剂与跨中心的通用模型开发。挑战设置了两个奖项类别，鼓励参与者开发适用于多示踪剂的稳健算法，并通过改进数据处理管线优化模型性能。 数据集包括1,014例FDG（900 名患者）和597例PSMA（378 名患者）的训练数据，测试数据包括200例的最终评估集和5例的初步评估集（用于测试）。FDG数据集主要来自恶性黑色素瘤、淋巴瘤和肺癌患者，PSMA数据集则来自前列腺癌患者。不同数据集之间在患者年龄分布、成像条件和扫描仪类型上存在差异。此外，数据集的标注由具有多年混合成像经验的放射科医生进行，采用手动逐层分割的方式识别并标注肿瘤病灶。
全身可视化图片
AutoPETIII_1.jpg
AutoPETIII_3.png
AutoPETIII_2.png
数据集元信息
| 维度 | 3D |
| 模态 | ct |
| 任务类型 | segmentation |
| 解剖结构 | Tumor |
| 解剖区域 | Entire body |
| 类别数 | 1 |
| 数据量 | 1614 |
| 文件格式 | .nii.gz |
文件结构
.
|--- imagesTr
|--- tracer_patient1_study1_0000.nii.gz (CT image resampled to PET)
|--- tracer_patient1_study1_0001.nii.gz (PET image in SUV)
|--- ...
|--- labelsTr
|--- tracer_patient1_study1.nii.gz (manual annotations of tumor lesions)
|--- dataset.json (nnUNet dataset description)
|--- dataset_fingerprint.json (nnUNet dataset fingerprint)
|--- splits_final.json (reference 5fold split)
|--- psma_metadata.csv (metadata csv for psma)
|--- fdg_metadata.csv (original metadata csv for fdg)图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | (2.04,2.04,2.0) |
168x168x164 |
| 中位值 | (4.07,4.07,3.27) |
200x200x263 |
| 最大值 | (4.07,4.07,5.0) |
400x400x963 |
引用
@article{gatidis2022whole,
title={A whole-body FDG-PET/CT dataset with manually annotated tumor lesions},
author={Gatidis, Sergios and Hepp, Tobias and Fr{\"u}h, Marcel and La Foug{\`e}re, Christian and Nikolaou, Konstantin and Pfannenberg, Christina and Sch{\"o}lkopf, Bernhard and K{\"u}stner, Thomas and Cyran, Clemens and Rubin, Daniel},
journal={Scientific Data},
volume={9},
number={1},
pages={601},
year={2022},
publisher={Nature Publishing Group UK London}
}