Luna16肺结节检测数据介绍

Luna16肺结节自动检测项目

系列一

Luna16竞赛

肺癌是世界范围内癌症相关死亡的主要原因。在CT肺癌筛查中，需要对数百万的CT扫描进行分析，这对放射科医生来说是一个巨大的负担。因此，该竞赛期望更多自动化和先进的计算机算法进行肺结节的筛查和检测。

肺癌筛查CT扫描分析的最重要的第一步是发现肺结节，它可能代表早期肺癌，也可能不代表早期肺癌。LUNA16竞赛将集中于对LIDC/IDRI数据集上的自动结节检测算法进行大规模评估。LIDC/IDRI数据集是公开的，包括四位放射科医生对结节的标注。

LUNA16，全称Lung Nodule Analysis 16，是16年推出的一个肺部结节检测数据集，旨在作为评估各种CAD（computer aid detection计算机辅助检测系统）的banchmark。

数据介绍

LUNA16数据集是最大公开肺结节数据集LIDC-IDRI的子集，LIDC-IDRI数据集包括1018个低剂量的肺部CT影像。在LIDC-IDRI数据集中，有三种区域会标注出来，直径>3mm的结节，直径<3mm的结节以及非结节（但是肺部畸变区域），回到LUNA16，在888张CT中，共有36378个结节被标出（LIDC-IDRI标注的）。

从LIDC-IDRI到LUNA16数据筛选过程：

（1）将直径>3mm的结节筛选出来，其它的不用，既不作为正样本也不作为负样本，所以如果你的算法检测出这些区域，不会处理为false positive，当然更不是true positive，直接无视之，此时还有5765个结节；

（2）将相近的结节融合，融合后还有2290个结节；

（3）将三个以上专家标注的结节作为检测使用，共有1186个结节，也就是最后的实验数据。

LUNA16数据集包括888低剂量肺部CT影像（mhd格式）数据，每个影像包含一系列胸腔的多个轴向切片。每个影像包含的切片数量会随着扫描机器、扫描层厚和患者的不同而有差异。原始图像为三维图像。每个图像包含一系列胸腔的多个轴向切片。这个三维图像由不同数量的二维图像组成。

数据集包含subset0.zip to subset9.zip共10个zip文件包含所有的CT图像。

　　annotations.csv:csv文件包含用于肺结节检测比赛的作为参考标准使用的注释.注释文件包含1186个结节。

　　sampleSubmission.csv:正确的提交文件格式范例.

　　candidates_V2.csv:csv文件包含用于假阳性减少比赛所需的候选结节位置

　　evaluation script:这是在LUNA16框架上使用的评价脚本

　　lung segmentation:包含在CT图像上的肺分割

竞赛规则

比赛共有两项，一个是complete nodule detection，另一个是false positive reduction，前者要求实现一个完整的检测系统，后者要求对给定区域进行二分类，是否为结节。

整个数据集是十份的，每份CT数相等，针对该数据集要执行10折交叉验证，总共可以分为四步

（1）取一份做测试集，其余九份做训练集

（2）在训练集上训练算法

（3）在测试集上测试，并生成结果文件

（4）完成10折交叉验证后，将所有结果融合为一份

最终提交文件要求为.csv格式，每行为一个标注，具体格式就是 image identifier,x,y,z,score，其中第一个代表某个CT，x,y,z为结节坐标，score为置信度。

如果提交的坐标位于结节半径范围内，则为正，也就是true positive，如果有多个候选区都与一个结节相关，则选取置信度最高的。若候选区检测出irrelevant nodules，则忽略掉，既不是正也不是负，剩下的候选区都可以归为false positive了。

有了正负样本的定义，就要进行评估，LUNA16采用的是FROC(Free-Response Receiver Operating Characteristic)准则。最终的评比准则是0.125，0.25，0.5，1，2，4，8七个点召回率的平均值。

PS：我们会基于Luna16数据集做肺结节自动检测项目的一个系列，包括数据处理和算法模型训练，感兴趣的朋友可以持续关注~