MedScribble マルチ画像セグメンテーション生物医学タスク データセット

※本データセットはオンライン利用に対応しておりますが、ここをクリックしてジャンプしてください。

このデータセットは 2024 年に MIT 研究チームによってリリースされ、関連する論文の結果は「ScribblePrompt: あらゆる生物医学画像に対する高速かつ柔軟なインタラクティブなセグメンテーション」がECCV24に採択されました。

このデータセットは、14 のセグメンテーション タスク用に 14 の異なるオープンアクセスの生物医学画像セグメンテーション データセットから研究チームが収集した 3 人のアノテーターの手書きの落書きです。 MedScribble には、合計 64 ペアの 2D 画像セグメンテーション ペアが含まれており、画像セグメンテーション ペアの各ペアには 3 セットの落書き注釈があります。

セグメンテーション タスク (つまり、データセットとラベルの組み合わせ) ごとに、アノテーターにはグラウンド トゥルース セグメンテーションを使用した 5 つのトレーニング例が示され、新しい画像上にポジティブとネガティブの落書きを描いて関心領域をマークするように指示されます。

アノテーターは Gradio Web アプリケーションで落書きを描きます。アノテーター 1 と 2 はスタイラス ペン付きの iPad を使用しましたが、アノテーター 3 はラップトップのトラックパッドを使用して落書きを描きました。

すべての画像は、256×256 にサイズ変更され、[0,1] 範囲に再スケールされる前に、正方形の形状にパディング (ゼロでパディング) されます。 3D データセットの場合、研究チームはフォルダー名で示されるように、中央のスライス (midslice) または最大のラベル領域を持つスライス (maxslice) を選択しました。

HyperAI ハイパーニューラル論文の解釈: "ECCV2024に選出されました！ 5.4w+ 画像をカバーする MIT は、SAM よりも優れたパフォーマンスを備えた医療画像セグメンテーションの一般的なモデルである ScribblePrompt を提案しました」

今すぐチュートリアルのデモを試してください:ScribblePrompt 医療画像セグメンテーション ツール