2024/08/19 ,由香港中文大学（深圳）、深圳未来网络智能研究所 等多家机构联合创建ERUS-10K 数据集，包含77个直肠内超声视频，其中包含10,000个高质量注释帧，涉及内窥镜超声 结直肠癌的分割、检测和侵袭深度评估等多场景。
结直肠癌(CRC)已成为全球癌症死亡的第二大原因，早期的发现对于制定治疗的方案和提高生存率至关重要。
直肠内超声（ERUS）被用作诊断和分期结直肠癌的常规成像方式。
一、目前遇到的挑战
1、缺乏大规模直肠内超声数据集来训练良好收敛的分割模型
2、不同超声传感器所获得的内在扫描模式差异
3、由于超声探头快速移动导致的运动模糊
ERUS-10K 数据集：第一个大规模ERUS视频结直肠癌分割数据集，设计了第一个结直肠癌分割模型，Adaptive Sparse-context TRansformer（ASTR）。
数据集地址： ERUS-10K|医学影像分析数据集|计算机辅助诊断数据集
二、让我们来看一下这个数据集：
ERUS-10K 包含77个视频和10,000帧高分辨率标注图像。
基于该数据集，我们进一步提出了一种用于结直肠癌分割的基准模型，称为自适应稀疏上下文变换器（ASTR）。ASTR的设计基于三个考虑因素：扫描模式差异、时间信息和低计算复杂度。
为了适应不同的扫描模式，提出了自适应扫描模式增强技术，以在原始扇区图像和线性扫描图像之间进行转换。为了挖掘时间信息，结合了稀疏上下文变换器，以整合帧间的局部和全局特征。为了降低计算复杂度，引入了稀疏上下文块，从辅助帧中提取上下文特征。最后，在基准数据集上，所提出的ASTR模型在直肠癌分割中达到了77.6%的Dice系数.
添加图片注释，不超过 140 字（可选）
添加图片注释，不超过 140 字（可选）
三、数据集的应用：
比如，我是一名医院里放射科的医生，我每天上班，就是对这一堆堆结直肠的超声影像，一帧一帧地看，眼睛看的酸胀。找肿瘤，定边界，评估大小，判断是那个阶段了，全靠这几年上班的经验和眼力，加班是常态，累的跟狗似的。
现在医院采购了一套通过ERUS-10K数据集和ASTR模型的系统， 我拿到病例，导入视频，系统就自动开始分析，它会标注肿瘤的位置，还附带了详细的信息。我只要再复查一下，没有问题，就可以出报告了。然后可以花更多的时间跟同事们讨论一些复杂的病例，可以更好的帮助病人。
