Le Défi ULS23 : un modèle de référence et un jeu de données de benchmark pour la segmentation universelle des lésions 3D en tomographie par ordinateur

Les mesures de taille des manifestations tumorales observées lors d’examen CT de suivi sont essentielles pour évaluer les résultats du traitement chez les patients atteints de cancer. Une segmentation efficace des lésions peut accélérer ces flux de travail radiologiques. Bien que de nombreux défis et benchmarks existent pour la segmentation des lésions dans des organes spécifiques tels que le foie, les reins ou les poumons, la grande variété de types de lésions rencontrés en pratique clinique exige une approche plus universelle. Pour combler cette lacune, nous introduisons le benchmark ULS23 dédié à la segmentation universelle 3D des lésions dans les examens CT thorax-abdomen-pelvis. Le jeu de données d’entraînement ULS23 comprend 38 693 lésions réparties dans cette région, incluant des lésions particulièrement difficiles telles que celles du pancréas, du côlon ou des os. À des fins d’évaluation, nous avons constitué un jeu de données comprenant 775 lésions provenant de 284 patients. Chaque lésion a été identifiée comme une lésion cible dans un contexte clinique, garantissant ainsi une diversité et une pertinence clinique significatives au sein de ce jeu de données. Le benchmark ULS23 est accessible publiquement via uls23.grand-challenge.org, permettant aux chercheurs du monde entier d’évaluer la performance de leurs méthodes de segmentation. Par ailleurs, nous avons développé et mis publiquement à disposition un modèle de segmentation semi-supervisée 3D en tant que référence (baseline). Ce modèle a atteint un coefficient de Dice moyen de 0,703 ± 0,240 sur l’ensemble de test du défi. Nous invitons les soumissions continues afin d’accélérer le développement des futurs modèles ULS.