量化年龄和性别人口变化对腹部器官分割的影响
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在医学图像分割中，人口特征（如年龄和性别）变化对分割性能的影响不足被关注的问题。我们采用了两个大型公共数据集，提出了一种新颖的量化指标，发现人口变化与跨数据集变化对腹部器官分割性能的影响相当，并且这种影响是非对称且依赖于数据集。研究表明，考虑已知患者特征的数据集多样性对图像特征的多样性未必等同，建议将公平性研究方向聚焦于更好地理解和量化医学图像数据集的多样性。
深度学习在腹部多器官分割方面取得进展，但鲁棒性仍是挑战。RAOS数据集包括413个CT扫描，评估模型鲁棒性和提供难以获取的器官。对几种方法进行了基准测试，评估性能和鲁棒性，并评估了RAOS与公共数据集的交叉泛化能力。该数据集为未来鲁棒性研究提供潜在基准。
