Enrichment of lung cancer computed tomography collections with AI-derived annotations.
Enrichment of lung cancer computed tomography collections with AI-derived annotations.
复制标题
DOI：
10.1038/s41597-023-02864-y
复制
发表时间：
2024-01-04
期刊：
影响因子：
9.8
通讯作者：
Fedorov, Andrey
中科院分区：
文献类型：
--
作者：
Krishnaswamy, Deepa;Bontempi, Dennis;Thiriveedhi, Vamsi Krishna;Punzo, Davide;Clunie, David;Bridge, Christopher P.;Aerts, Hugo J. W. L.;Kikinis, Ron;Fedorov, Andrey
公共成像数据集对于癌症成像自动化工具的开发和评估至关重要。不幸的是，许多不包括注释或图像派生的特性，使下游分析变得复杂。基于人工智能的注释工具已经被证明可以实现可接受的性能，并且可以用于自动注释大型数据集。作为丰富NCI成像数据共享（IDC）中可用的公共数据的努力的一部分，我们在这里介绍了人工智能生成的两个集合的注释，这些集合包含胸部计算机断层扫描图像、nsclc放射组学和国家肺筛查试验的一个子集。使用公开可用的人工智能算法，我们导出了胸部高危器官的体积注释，其相应的放射组学特征，以及解剖标志和区域的切片水平注释。生成的注释在IDC中是公开可用的，其中DICOM格式用于协调数据并实现FAIR（可查找、可访问、可互操作、可重用）数据原则。这些注释附有支持云的笔记本，用于演示它们的使用。这项研究强调了对大型、可公开访问的精选数据集的需求，并展示了人工智能如何帮助癌症成像。
Public imaging datasets are critical for the development and evaluation of automated tools in cancer imaging. Unfortunately, many do not include annotations or image-derived features, complicating downstream analysis. Artificial intelligence-based annotation tools have been shown to achieve acceptable performance and can be used to automatically annotate large datasets. As part of the effort to enrich public data available within NCI Imaging Data Commons (IDC), here we introduce AI-generated annotations for two collections containing computed tomography images of the chest, NSCLC-Radiomics, and a subset of the National Lung Screening Trial. Using publicly available AI algorithms, we derived volumetric annotations of thoracic organs-at-risk, their corresponding radiomics features, and slice-level annotations of anatomical landmarks and regions. The resulting annotations are publicly available within IDC, where the DICOM format is used to harmonize the data and achieve FAIR (Findable, Accessible, Interoperable, Reusable) data principles. The annotations are accompanied by cloud-enabled notebooks demonstrating their use. This study reinforces the need for large, publicly accessible curated datasets and demonstrates how AI can aid in cancer imaging.
登录
查看更多内容
影响因子：
4.4
作者：
Bridge, Christopher P.;Gorman, Chris;Pieper, Steven;Doyle, Sean W.;Lennerz, Jochen K.;Kalpathy-Cramer, Jayashree;Clunie, David A.;Fedorov, Andriy Y.;Herrmann, Markus D.
通讯作者：
Herrmann, Markus D.
影响因子：
11.2
作者：
van Griethuysen JJM;Fedorov A;Parmar C;Hosny A;Aucoin N;Narayan V;Beets-Tan RGH;Fillion-Robin JC;Pieper S;Aerts HJWL
通讯作者：
Aerts HJWL
影响因子：
4.2
作者：
Ziegler, Erik;Urban, Trinity;Harris, Gordon J.
通讯作者：
Harris, Gordon J.
影响因子：
4.4
作者：
Clark, Kenneth;Vendt, Bruce;Prior, Fred
通讯作者：
Prior, Fred
影响因子：
16.6
作者：
Zeleznik R;Foldyna B;Eslami P;Weiss J;Alexander I;Taron J;Parmar C;Alvi RM;Banerji D;Uno M;Kikuchi Y;Karady J;Zhang L;Scholtz JE;Mayrhofer T;Lyass A;Mahoney TF;Massaro JM;Vasan RS;Douglas PS;Hoffmann U;Lu MT;Aerts HJWL
通讯作者：
Aerts HJWL