Jul, 2021

RSNA-ASNR-MICCAI BraTS 2021 脑肿瘤分割和放射基因分类基准测试

PDF
TL;DRBraTS 2021 challenge focuses on benchmarking brain glioma segmentation algorithms and tumor classification based on mpMRI data from 2,040 patients, with performance evaluation on Sage Bionetworks Synapse platform and Kaggle, and awarding top participants $60,000.
brain tumor segmentationmpmri dataradiological imagingtumor classificationbrats challenge
发现论文，激发创造
  • ASNR-MICCAI 脑肿瘤分割（BraTS）挑战赛 2023：颅内脑膜瘤

    该论文介绍了 BraTS Meningioma 2023 挑战赛，该赛事提供了一个标准和基准，旨在利用自动化分割模型初步预测磁共振图像中的三种颅内脑膜瘤亚区域， 对模型的评估使用 Dice 系数和 Hausdorff 距离，并将改进脑膜瘤患者的治疗。

    May, 2023

  • 2023 年脑肿瘤分割（BraTS）挑战赛：重点关注儿科（CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs）

    CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs 2023 challenge is the first BraTS challenge focused on pediatric brain tumors with data acquired across multiple international consortia dedicated to pediatric neuro-oncology and clinical trials, aiming to develop volumentric segmentation algorithms for high-grade pediatric glioma utilizing standardized quantitative performance evaluation metrics and multi-parametric structural MRI (mpMRI) training data.

    May, 2023

  • 2024 年脑肿瘤切分（BraTS）挑战：基于治疗后的 MRI 的胶质瘤切分

    成年人脑胶质瘤是最常见的恶性原发性脑肿瘤之一，对其治疗和监测存在许多挑战。基于最大的专家标注后治疗胶质瘤 MRI 数据集，2024 年脑肿瘤分割（BraTS）挑战将为自动化分割模型提供社区标准和基准，并通过标准化的性能指标评估模型，推动自动化 MRI 分割领域的进步，促进其融入临床实践，最终提高患者护理。

    May, 2024

  • 2024 年脑肿瘤分割挑战：脑膜瘤放疗规划自动分割

    通过使用最大的已知多机构放射治疗计划脑 MRI 数据集，对具有完整或术后脑膜瘤的患者进行放射治疗，本研究旨在推进自动化分割算法。该数据集包含脱敏的三维增强 T1 加权放射治疗计划 MRI 及其相应的标注目标体积，能够准确分割肿瘤并提供个体化治疗，预计将显著改善患者预后。

    May, 2024

  • 2023 年 BraTS 颅内脑膜瘤分割挑战的分析

    BraTS 2023 颅内脑膜瘤分割挑战报告了九个参赛队伍使用来自迄今为止最大的多机构系统化专家注释的多标签多序列脑膜瘤 MRI 数据集进行深度学习自动分割模型开发的结果，评估指标包括 dice 相似系数和 95% Hausdorff 距离，并提供了未来手术前脑膜瘤自动分割算法的最新基准。

    May, 2024

  • 2023 年脑瘤分割 (BraTS) 挑战赛：基于脑 MR 图像合成的肿瘤分割 (BraSyn)

    为了更广泛地将自动脑肿瘤分割算法应用于临床，建立了 Brain MR 图像合成基准（BraSyn），用于基准测试图像合成方法来合成缺失的 MRI 模态，以实现多模态且多样化的数据集。

    May, 2023

  • 医学影像的高级肿瘤分割：针对 BraTS 2023 成人胶质瘤和儿童肿瘤任务的整合方法

    该研究介绍了我们在 BraTS 2023 挑战的两个任务中，成人胶质瘤和儿科肿瘤的肿瘤分割方法，采用了 SegResNet 和 MedNeXt 等两个 CNN 模型，并引入了一套强大的后处理方法来提高分割性能。我们的方法在 BraTS 2023 成人胶质瘤分割挑战中取得了第三名，测试集上平均 Dice 和 HD95 分数分别为 0.8313 和 36.38。

    Mar, 2024

  • 2023 年脑肿瘤分割挑战赛：对撒哈拉以南非洲患者进行的胶质瘤分割挑战赛（BraTS-Africa）

    BraTS-Africa Challenge evaluates machine learning methods for the detection and characterization of gliomas in Sub-Saharan Africa and provides hope for the potential of computer-aided-diagnostic methods to transform healthcare in resource-limited settings.

    May, 2023

  • 用于脑肿瘤分割、进展评估和总体生存预测的最佳机器学习算法识别（BRATS 挑战）

    本研究评估了近年来机器学习方法在脑瘤 mpMRI 扫描方面的应用，主要集中在评估各种脑瘤子区域的分割、预测肿瘤进展和预测患者的总体存活率等方面，考虑到数据集的多样性和不断演化，同时探讨了针对每个任务的最佳机器学习算法的挑战。

    Nov, 2018

  • 脑肿瘤放射遗传分类

    通过对多参数 mpMRI 扫描图片（T1w，T1wCE，T2w 和 FLAIR）进行二分类，RSNA-MICCAI 脑肿瘤放射基因组分类挑战旨在预测胶质母细胞瘤中的 MGMT 生物标记物状态。我们使用的数据集分为三个主要组：训练集、验证集（在训练中使用），以及仅在最终评估期间使用的测试集。图像可以是 DICOM 格式或 Png 格式。我们尝试了不同的架构，包括三维版本的 Vision Transformer（ViT3D）、ResNet50、Xception 和 EfficientNet-B3，以研究这个问题。我们使用 AUC 作为主要评估指标，在测试集上，ViT3D 模型和 Xception 模型分别达到了 0.6015 和 0.61745 的优势。与其他结果相比，我们的结果在这个复杂的任务中证明是有效的。通过探索不同的策略、不同的架构和更多样化的数据集，可以进一步提高。

    Jan, 2024