fidopt Interactive view
Leaderboards

Segmentation

Outline the structures of an image: the method returns a label map, checked against the truth. A leaderboard ranks one kind of problem: choose yours on the left, or find it with the filters. A method that leads one can trail another.

Every problem OfficialResearch

52 more wait for a method with a result on every dataset: on the left.

What has been run

Every method on every dataset of the task, with its place in that dataset's table. A cell opens the dataset.

Abdomen CT, segmentationBody CT, many structures, segmentationAbdomen MR, segmentationHeart, segmentationBrain MR, segmentationChest CT, segmentationHead and neck, segmentationSpine, bones and joints, segmentationProstate and pelvis, segmentationLesions and tumours, segmentationVessels, segmentationCone-beam CT, ultrasound and mouse, segmentationBody MR, many structures, segmentationBrain tumours, four MR sequences, segmentationStroke lesion, DWI and ADC, segmentationElectron microscopy, organelles, segmentationRibSeg v2, individual ribsHNTS-MRG 2024, pretreatment tumour segmentationLumbar vertebral bodies and discs, multiple scannersRetinal vessels on fundus photographs, 2D segmentationProstate zones on T2 and ADC, segmentationSkin lesions on dermoscopy, 2D segmentationPolyps on colonoscopy, 2D segmentationFetal and obstetric ultrasound, 2D segmentationPelvic floor on transperineal ultrasound, 2D segmentationLumbar multifidus on ultrasound, 2D segmentationOvarian tumours on contrast-enhanced ultrasound, 2D segmentationColon wall on transabdominal ultrasound, 2D segmentationBreast tumours on ultrasound, 2D segmentationThyroid nodules on ultrasound, 2D segmentationCell nuclei on histology and fluorescence microscopy, 2D segmentationThyroid lobes on 3D ultrasound, segmentationRetinal layers on OCT B-scans, 2D segmentationOne lesion in a CT volume of interest, segmentationLung tumour and nodes on 4D CT, five patients, segmentationMultiple sclerosis lesions, files without their pixel size, segmentationUterus on MR of endometrial cancer, segmentationLymph nodes on CT, the marked nodes only, segmentationRib fractures on CT, loose regions about each break, segmentationBrain metastasis on post-contrast MR, the resected lesion only, segmentationLiver segmentation on CT without physical geometryLeft atrium on late gadolinium-enhanced MRI, segmentationMouse embryo nuclei, fluorescence segmentationRodent microvessels, multiphoton fluorescence segmentationArterial liver MR, liver and hepatocellular carcinomaClinical pelvic bones, CTPelvic1KEndometriosis pelvic MRI, uterus and ovariesLiver lesions, curated MRIEx-vivo temporal bone, CBCT segmentationMR-linac cine target segmentationLungs and heart on chest X-rays, 2D segmentationProstate cancer on biparametric MR, segmentationCervical lips on transvaginal ultrasound, nine examinations, 2D segmentationBrachial plexus on neck ultrasound videos, 2D segmentation, ranked apartElectron microscopy, blocks of one animal each, segmentationCortical layers on histological sections (2D), one brain, segmentationCleared brains, light-sheet microscopy patches, segmentationBrain and head tissue classes on simulated MR, segmentationFinal infarct from acute diffusion and perfusion MR, segmentation
AMOS_CTCT_SegPancreasCT8_SegCRLMCT_SegLiverMetsCT_SegHQColon_SegPancreaticCTCBCT_SegCTMSD_SpleenMSD_PancreasKiTSCTHCCTACEMSD_LiverRCCAIDL2R_AbdomenCTCT_SegL2R_AbdomenMRCT_SegCTFLARE22IRCADb01CHAOS_CT_SegKiTS23PediatricCT_SegTotalSegCTCTORGSAROSBodyCTEnhancePETBodyCTAMOS_MRMR_SegTotalSegMRI_SegKidneyT2MRLiverSegmentsMRPediatricThoraxMR_SegBowelSegmentsMRCHAOS_MR_SegL2R_AbdomenMRCT_SegMRPancreasMRCirrhoticLiverMRSunnybrook_SegPigCardiacMR_SegHVSMRLASC2013PigCardiacCT_SegLVScarLGEACDC_SegYorkCardiacMR_SegCAMUS_SegBOBs_SegMCRIB_SegUltraCortex_SegL2R_HippocampusMR_SegHippoSubfields7TClaustrum7TMindboggle101_SegMRBrainS18SynthStripMRCalgaryCampinas_SegNFBSBrainMaskLCTSC_SegAeroPathPericardialEffusionCTATM22COVIDLungCTPleThoraCTRICORD1aCOVIDCTTongueMR_SegInnerEarCT_SegTOM500OrbitMandibleCTPDDCA_SegHaNSegVerSe_SegSPIDER_SegSpineGeneric_SegPENGWINHandMR_SegSpineMetsCTMyelomaSpineCTHipImplantCTCSI2014VertebraeKneeMR_SegCTSpine1KPENGWIN2026_FemurWholeSpineMRMyoSegmenTUMLowerBodyBonesCTQINProstateRepeat_SegProstateISBI2013ProstateMRUS_SegUterineMyomaMRProstateEdgeCasesCTPROSTATEx_SegPROMISE12_SegRIDERLungCT_SegVestibularSchwannoma_SegMSD_ColonMSD_LungAneurysmTOFVestibularSchwannomaMCRCUCSDBrainMets_SegCervixMR_SegMSLesionsMRSarcomaLimbMRChronicStrokeT2FCDBonnFLAIRMediastinalLymphNodesCTNLSTNodulesAutoPET_SegISPY1BreastMRPituitaryTumourMRNLSTSegPSMALesionsPETAdrenalACCBreastLesionsMRReMINDTumourMRLiverLesionsCTLIDCNodulesCPTACPDALesionsCPTACCCRCC_SegWAWTACEVestibularSchwannomaUCSD_SegVestibularSchwannomaMCRC2FUMPEBreastBrainMetsMRMCTLTDiagREADPEISLES2022LNDbNodulesPANORAMANeonatalHIEMRMSLesionsLjubljanaNSCLCRadiomicsGTVBrainHaemorrhageCTNSCLCInterobserverPanTrackCTCancerVerseCTAorticTreeCTAMSD_HepaticVesselTopBrain_SegMRATopCoW_SegMRAPancreaticCTCBCT_SegCBCTMouseMicroCT_SegMicroUSProstatemuRegPro_SegUSLegMuscleUSNeAtMouseBrainMRTotalSegMRDukeBreastFGTBraTS2021BraTSAfricaBraTSPEDsBrainMetsMRMUGliomaPostMRUCSDGliomaPostMRGliomaUTSWMRRHUHGlioblastomaMRBraTS_MENSOOPStrokeISLES2024MitoNetTEMOpenOrganelleEMCryoETPombeRibSeg_SegHNTSMRG_SegLumbarMultiScannerMRFIVESSTAREMSD_ProstateProstate158ISIC2018KvasirSEGHC18ACOUSLICPFUSLUMINOUSMMOTU_CEUSCTRUSBUSBRABUSIDDTINuInsSegDSB2018NucleiThyroidLobeUSDukeAMDOCTULS23LesionsLung4DCT_SegMSLesionsBaghdadCPTACUCECLesionsCTLymphNodes_MediastinumCTLymphNodes_AbdomenRibFracCTBrainMetsLungMRLiverPhasesCT_SegLASeg2018MouseEmbryoNucleiMiniVessLiverHCCMRCTPelvic1K_ClinicUTEndoMRILiverLesionsMROpenEar_SegTrackRAD2025_SegMontgomeryCXRPICAIFUGCBrachialPlexusUSCREMICleftsLucchiMitoEMBigBrainLayersSELMA3D_VesselsSELMA3D_PlaquesSELMA3D_CFosSELMA3D_NucleiBrainWebSimISLESOutcomeMR
KonfAI segmentation app · MRSegmentator, KonfAI app554131551161145n/an/an/a6n/a76n/a313n/a3313n/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a4n/an/an/a1n/an/an/an/an/an/an/an/an/an/an/a4n/an/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/an/an/an/an/an/an/a4n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/a34n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (total), KonfAI app212523113313322n/an/an/a4223n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a6n/an/an/a3n/an/an/an/an/an/an/a41n/an/a2n/a21n/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (total), the authors' package123412222424211n/an/an/a2132n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a5n/an/an/a2n/an/an/an/an/an/an/a3n/an/an/a1n/a12n/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
MONAI wholeBody CT4412442342425236n/a65n/an/an/an/an/an/an/an/an/an/an/an/an/an/a10/10n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/a7n/an/an/an/an/an/an/an/a3n/an/a5n/a310/10n/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a4n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a5n/an/an/an/a5n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
CT-FM whole-body segmentation3353n/an/a44n/an/a3n/a4n/a4n/an/a5n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a6n/an/an/an/an/an/an/a52n/an/a3n/a3n/an/an/an/an/an/an/an/an/a4n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a4n/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (total_mr), KonfAI appn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/a1n/a2132n/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/a1n/an/an/an/an/an/an/a2n/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (total_mr), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/a2n/a1221n/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/a2n/an/an/an/an/an/an/a1n/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · IMPACTSeg body, KonfAI appn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a5341n/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a7n/an/an/an/an/an/an/an/an/an/an/a6n/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
MONAI BraTS SegResNetn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1111111n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
FastSurferVINNn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a222n/an/an/a12n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
lungmask · lobesn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a241n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/a3n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
SynthSeg 1.0n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a111n/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (head_glands_cavities), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a4n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a22n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (liver_vessels), the authors' packagen/an/an/an/an/an/an/an/an/a55n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (lung_nodules), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
lungmaskn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/a5n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (craniofacial_structures), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a11n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (kidney_cysts), the authors' packagen/an/an/an/an/an/an/an/an/an/an/a5n/an/an/an/an/an/an/a5n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (lung_vessels), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
Little W-Netn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a11n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
Otsu nuclein/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a11n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
InstanSegn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a2n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
KonfAI segmentation app · TotalSegmentator (pleural_pericard_effusion), the authors' packagen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
TorchXRayVision PSPNetn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a1n/an/an/an/an/an/an/an/an/an/an/an/a
Cellpose (cyto3)n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a10/10n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
FCBFormern/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a18/18n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
Medical SAM3 · fetal headn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a30/30n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
Medical SAM3 · thyroid nodulen/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a29/29n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
StarDist (H&E)n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a10/10n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
VM-UNetn/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a586/586n/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/an/a
1 place in that table, 1 is best2/10 cases done, not ranked yetn/a does not apply not run some cases failed

How to read a table

  • A method's place averages its ranks on accuracy. A case it fails on counts against it.

Dice: how much the organ contours overlap, 1 is perfect. Surface Dice: the share of the contours' surfaces within a tolerance of each other, 1 is perfect. HD95: distance between the contours' surfaces.