Эталонный набор данных для сегментации внутрипросветных сцен на изображениях колоноскопии

Колоректальный рак (КРР) занимает третье место в мире среди причин смерти от злокачественных новообразований. Стандартный подход к снижению смертности от КРР — регулярный скрининг для выявления полипов; основным методом скрининга служит колоноскопия. Главные ограничения этой процедуры — пропуск полипов и невозможность визуально оценить их злокачественный потенциал. Уменьшить эти ограничения можно с помощью систем поддержки принятия решений, которые сегментируют внутрипросветные сцены и помогают практикующим врачам на разных этапах процедуры. В этой работе представлен расширенный эталонный набор данных для сегментации изображений при колоноскопии, призванный стать новым ориентиром для исследований в области анализа колоноскопических изображений. Набор включает четыре клинически значимых класса, предназначенных для оценки разных элементов внутрипросветной сцены и решения различных клинических задач. Кроме набора данных, с учётом достижений в области семантической сегментации предложены новые базовые модели, обученные на стандартных полностью сверточных сетях (FCN). Сравнительный анализ показал, что FCN без дополнительной постобработки значительно превосходят ранее опубликованные результаты сегментации внутрипросветных сцен, особенно в сегментации и локализации полипов.