AMOS: Un Benchmark Multi-Órgano Abdominal a Gran Escala para Segmentación Versátil de Imágenes Médicas

A pesar del considerable progreso en la segmentación automática de múltiples órganos abdominales a partir de escaneos de TC/RMN en los últimos años, una evaluación exhaustiva de las capacidades de los modelos se ve obstaculizada por la falta de un benchmark a gran escala proveniente de diversos escenarios clínicos. La alta costosa recolección y etiquetado de datos médicos en 3D limita la disponibilidad de datos, y la mayoría de los modelos de aprendizaje profundo hasta la fecha están impulsados por conjuntos de datos con un número limitado de órganos de interés o muestras, lo que aún limita el potencial de los modernos modelos profundos y dificulta proporcionar una estimación completamente comprensiva y justa de varios métodos. Para mitigar estas limitaciones, presentamos AMOS, un conjunto de datos clínico diverso y a gran escala para la segmentación de órganos abdominales. AMOS proporciona 500 escaneos de TC y 100 de RMN recogidos de pacientes multi-centro, multi-vendedor, multi-modalidad, multi-fase y con múltiples enfermedades, cada uno con anotaciones a nivel de vóxel de 15 órganos abdominales, proporcionando ejemplos desafiantes y una plataforma de prueba para el estudio de algoritmos de segmentación robustos en diversos objetivos y escenarios. Además, evaluamos varios modelos de segmentación médica de última generación para verificar el estado de los métodos existentes en este nuevo conjunto de datos desafiante. Hemos puesto nuestros conjuntos de datos, servidores de referencia y líneas base a disposición pública y esperamos inspirar futuras investigaciones. La información puede encontrarse en https://amos22.grand-challenge.org.