Die ULS23-Herausforderung: Ein Baseline-Modell und ein Benchmark-Datensatz für die 3D-universelle Läsionssegmentierung in der Computertomographie

Die Größenmessung von Tumormanifestationen in Follow-up-CT-Untersuchungen ist entscheidend für die Beurteilung der Therapieergebnisse bei Krebspatienten. Eine effiziente Läsionssegmentierung kann diese radiologischen Arbeitsabläufe erheblich beschleunigen. Obwohl zahlreiche Benchmarks und Challenges die Segmentierung von Läsionen in bestimmten Organen wie Leber, Niere und Lunge adressieren, erfordert die vielfältigere Palette an Läsionstypen, die in der klinischen Praxis auftreten, einen universelleren Ansatz. Um diese Lücke zu schließen, stellen wir den ULS23-Benchmark für die 3D-universelle Läsionssegmentierung in Thorax-Abdomen-Pelvis-CT-Untersuchungen vor. Der ULS23-Trainingsdatensatz umfasst 38.693 Läsionen in diesem Bereich, darunter anspruchsvolle Läsionen der Bauchspeicheldrüse, des Kolons und des Knochens. Zur Evaluierung haben wir einen Datensatz mit insgesamt 775 Läsionen aus 284 Patienten zusammengestellt. Jede dieser Läsionen wurde klinisch als Ziel-Läsion identifiziert, was eine hohe Vielfalt und klinische Relevanz innerhalb dieses Datensatzes gewährleistet. Der ULS23-Benchmark ist öffentlich über uls23.grand-challenge.org zugänglich und ermöglicht es Forschern weltweit, die Leistungsfähigkeit ihrer Segmentierungsverfahren zu bewerten. Zudem haben wir ein Baseline-Semi-Supervised-3D-Läsionssegmentierungsmodell entwickelt und öffentlich freigegeben. Dieses Modell erreichte auf dem Challenge-Testset einen durchschnittlichen Dice-Koeffizienten von 0,703 ± 0,240. Wir laden zur fortlaufenden Einreichung von Lösungen ein, um die Entwicklung zukünftiger ULS-Modelle voranzutreiben.