Ensemble De Données De Tâches Biomédicales De Segmentation Multi-images MedScribble

*Cet ensemble de données prend en charge l'utilisation en ligne.Cliquez ici pour sauter.

Cet ensemble de données a été publié par une équipe de recherche du MIT en 2024. L'article associé est «ScribblePrompt : segmentation interactive rapide et flexible pour toute image biomédicale", a été accepté par ECCV24.

L'ensemble de données se compose de gribouillis manuscrits collectés par l'équipe de recherche auprès de 3 annotateurs pour 14 tâches de segmentation à partir de 14 ensembles de données de segmentation d'images biomédicales en libre accès différents. MedScribble contient un total de 64 paires de segmentation d'images 2D, chacune comportant 3 ensembles d'annotations griffonnées.

Pour chaque tâche de segmentation (c'est-à-dire combinaison ensemble de données/étiquette), les annotateurs ont reçu 5 exemples d'entraînement avec de vraies segmentations et ont été invités à dessiner des gribouillis positifs et négatifs sur de nouvelles images pour indiquer les régions d'intérêt.

Les annotateurs dessinent des graffitis dans une application Web Gradio. Les annotateurs 1 et 2 ont utilisé des iPad avec des stylets, tandis que l'annotateur 3 a utilisé le pavé tactile d'un ordinateur portable pour dessiner les gribouillis.

Toutes les images ont été remplies de zéros avant d'être redimensionnées à 256 × 256 et redimensionnées à la plage [0,1]. Pour les ensembles de données 3D, l'équipe de recherche a sélectionné la tranche du milieu (midslice) ou la tranche avec la plus grande zone d'étiquette (maxslice) comme indiqué par le nom du dossier.

Interprétation du document sur les super neurones HyperAI :Sélectionné pour l'ECCV 2024 ! Couvrant plus de 54 000 images, le MIT a proposé un modèle général de segmentation d'images médicales, ScribblePrompt, qui surpasse SAM"

Essayez la démo du tutoriel maintenant :Outil de segmentation d'images médicales ScribblePrompt