当前位置：首页 > news >正文

肺部CT影像血管分割（HiPaS方案）

news 2026/3/27 0:09:47

看到这个效果，就是我想要的，按这篇文章开始研究
主题：VESSEL2012——肺血管分割
https://cloud.tencent.com/developer/article/2385570
主题：肺部CT全器官结构分割
https://cloud.tencent.com/developer/article/2195648
关键词：
Parse2022——肺动脉分割挑战赛
Parse2022——肺静脉分割挑战赛
2022ATM——气道树分割挑战赛
LOLA11——肺叶和肺分割挑战赛2011

一、VESSEL2012介绍

该数据集来自VESSEL12挑战，其目的是比较从健康和患病人群的胸部计算机断层扫描中对肺血管进行（半）自动分割的方法。扫描来自各种来源，代表了各种临床上常见的扫描仪和协议。选择扫描，使得在大约一半的扫描中使用造影剂。大约一半的扫描包含肺气肿，结节或肺栓塞等异常情况。当前的最大切片间距为1毫米，大多数扫描（各向同性）。

二、VESSEL2012任务

识别人体肺部CT图像中的血管。

三、VESSEL2012数据集

VESSEL2012包含三类数据：a、VESSEL12 挑战中使用的 20 个肺部 CT 图像（4 个文件，每个文件包含 5 次扫描）。b、20个肺部蒙板。c、三个带有参考注释的示例文件。

数据集下载链接：

https://zenodo.org/records/8055066

医学影像公开数据集下载地址

医学影像诊断的一部分公开数据集给大家。

1、BraTS2021数据集

BraTS2021 是一个大规模的脑部多模态 MR 脑胶质瘤分割数据集，包括 2,040 位患者的 8,160 张 MRI 扫描。每位患者都包含 T1、T1Gd、T2 和 T2-FLAIR 四种模态的 MR 图像，BraTS2021 的标注内容主要包括增强型肿瘤（ET）、肿瘤周围水肿/侵袭组织（ED）和坏死肿瘤核心（NCR）。其中，1251 例数据作为训练集并公开标注，而 219 例数据被划分为验证集，另外有 570 例数据作为测试集。下载链接：

https://www.synapse.org/#!Synapse:syn51514105

2、AbdomenCT-1K2021数据集

AbdomenCT-1K2021 是一个大规模腹部 CT 数据集，包含了 1112 例 CT 扫描，用于 4 种腹部器官的分割，包括肝脏、肾脏、脾脏和胰腺。下载链接：

https://pan.baidu.com/s/1Wj8bi29IGVXfLhlpU4XqiA pw: 6uhw

3、CTPelvic1K2020数据集

CTPelvic1K2020 是一个专为盆骨分割设计的大型 CT 数据集。此数据集综合了 7 个不同数据源的共计 1184例 CT数据 (包括 75 例具有金属伪影的数据)，其中 5 个是公开数据集，另外 2 个是新收集的。这些数据已针对腰椎、骶骨、左髋和右髋这 4 类盆骨部分进行了分割标注。下载链接：https://zenodo.org/record/4588403#.YEyLq_0zaCo

4、CTSpine1K2021数据集

CTSpine1K2021 是一个专门用于脊柱分割的大规模 CT 数据集。该数据集汇集了来自四个公开数据集的总计 1005 例 CT 数据，并对其进行了 C1-C7、T1-T12 以及 L1-L6 共 25 类脊椎的标注。具体划分为训练集有 610 例，验证集有 197 例，而测试集则有 198 例。下载链接：

https://drive.google.com/drive/folders/12kFn2H0xsACqGN3S9lInqizVlbpjNwdj?usp=sharing

5、SPPIN2023数据集

SPPIN2023是一个多模态 MRI 分割数据集，专为神经母细胞瘤手术规划设计。该数据集涵盖了34名患者的79例带有精确标签的训练扫描数据。另外，有一个初步测试集，包括3名患者的7次扫描，以及11名患者的24次扫描构成的最终测试集。数据模态包括 T2 加权成像、对比增强的 T1 加权成像，和两种 b 值（b0 和 b100）的弥散加权 (DWI)成像，总计四种模态。下载链接：https://zenodo.org/record/7845214

6、CHAOS2019数据集

CHAOS2019是腹部医学影像分割。总共有 40 例成对的 CT 和 MR数据，其中只有 20 例作为训练集提供了标注，剩下20例不会放出有标注的。在CT和MR上的标注内容不尽相同，CT只提供了 Liver 的标注，而 MR 则提供了四种器官的标注。下载链接：https://zenodo.org/record/3431873

7、KiTS2023数据集

KiTS2023 数据集专注于肾脏及其上的肿瘤和囊肿的 CT 分割。该数据集包括 599 个病例，其中 489 个用于训练，110 个用于测试。下载链接：https://kits-challenge.org/kits23/

8、KiPA2022数据集

KiPA2022是一个腹部肾脏解析 CTA 数据集。目标是分割 3D 肾脏、肾肿瘤、动脉和静脉。该数据集包括 130 例带有完整标注的 CT 扫描数据。官方将这些数据分为 70 例用于训练数据集、30 例用于封闭测试数据集和 30 例用于开放测试数据集。下载链接：https://www.wjx.top/vm/wTEoOpe.aspx

9、Parse 2022 数据集

Parse 2022是一个肺动脉分割的 CT 数据集。该数据集包含 200 例精细标注的肺动脉三维 CT数据。官方将数据集分为 100 例用于训练，30 例用于验证，70 例用于测试。下载链接：https://parse2022.grand-challenge.org/Dataset/

10、ATM2022数据集

ATM2022是一个大规模肺气道分割 CT 数据集。该数据集包括 500 例带有完整肺气道标注的 CT 扫描数据。官方将这些数据分为 300 例用于训练、50 例用于验证和 150 例用于测试。下载链接：

https://zenodo.org/record/7949582#.ZGc27XZByw4，

https://zenodo.org/record/7949571#.ZGc3A3ZByw4，

https://zenodo.org/record/6590026

强烈推荐HiPaS数据集，该数据集提供了250例病例的动脉和静脉分割，涵盖了非增强CT和CTPA。您可以直接通过以下链接访问：

下载地址一：https://zenodo.org/records/14879605

下载地址二：https://github.com/Arturia-Pendragon-Iris/HiPaS_AV_Segmentation

HiPaS_AV_Segmentation
开源项目（有时会打不开，得多试几次）：

这个程序对应的数据集下载地址：
https://zenodo.org/records/14879605

有24G，外网下载速度有点慢。

HiPaS（High-Resolution Pediatric Angiography Segmentation）数据集专注于小儿血管造影的高分辨率分割任务，动静脉分割本质是医学图像语义分割问题。我将采用当前主流的 U-Net++ 作为基础模型（兼顾精度和效率），并针对医学影像特点做适配优化，整体流程如下：

数据集预处理（格式转换、归一化、数据增强）
构建 U-Net++ 分割模型（适配动静脉二分类 / 多分类）
模型训练与验证（损失函数、优化器选型）
模型推理与结果评估

关键细节说明

数据集适配：
- HiPaS 是高分辨率小儿血管造影灰度影像，代码中默认单通道输入，需确保 mask 标签格式为：0 = 背景、1 = 动脉、2 = 静脉（可根据实际标签调整）。
- 数据增强采用轻量级策略（翻转、小角度旋转），避免血管结构变形。
模型选择：
- 选用 U-Net++ 而非基础 U-Net，因为其多尺度融合特性更适合高分辨率血管的精细分割。
- 输出类别数设为 3（背景 / 动脉 / 静脉），若仅需二分类（血管 vs 背景）可调整num_classes=2。
损失函数：
- 组合 CrossEntropyLoss 和 DiceLoss，解决医学影像中血管像素占比低（类别不平衡）的问题。
训练调优建议：
- 若显存不足，可减小IMAGE_SIZE（如 256x256）或BATCH_SIZE（如 2）。
- 训练 50 轮后若精度不足，可增加 EPOCHS 或调整学习率（如初始设为 5e-4）。
- 可加入早停（EarlyStopping）防止过拟合。