Apr, 2023

一份面向乳腺癌临床决策支持的多机构开源基准数据集，使用合成相关扩散成像数据

PDF
TL;DR介绍了 Cancer-Net BCa，这是一个包含 253 例临床前乳腺癌患者 CDI$^s$ 成像数据的多机构开放数据集，可用于通过机器学习加速癌症诊断和治疗的全球开源倡议。
synthetic correlated diffusion imagingbreast cancerclinical decision supportmachine learningopen-source dataset
发现论文，激发创造
  • Cancer-Net PCa-Data：一份用于前列腺癌临床决策支持的开源基准数据集，采用合成相关扩散成像数据

    在癌症领域的机器学习和成像研究中，我们推出了首个用于前列腺癌的 CDI$^s$ 成像数据的开源基准数据集，该数据集由来自 200 例患者的 CDI$^s$ 体积图像组成，并包含完整的注释信息，旨在帮助世界各地的临床医生对抗癌症。

    Nov, 2023

  • 使用合成相关扩散成像的体积深度放射学特征进行乳腺癌分级预测

    本研究利用基于综合相关扩散成像的体积深度放射组学方法建立了一个预测 Scarff-Bloom-Richardson（SBR）分级的计算机诊断模型，结果显示与常规成像方法相比，该方法更加精准，减少了病人的痛苦和费用成本。

    Apr, 2023

  • 优化合成相关扩散成像在乳腺癌肿瘤描绘中的应用

    通过使用 Nelder-Mead simplex 优化策略，本研究探索了调整计算中的相关扩散成像（CDI$^s$）系数以实现乳腺癌肿瘤识别，显示出最佳的受试者工作特性曲线下面积（AUC），优于黄金标准模态 0.0044，同时查明优化后的 CDI$^s$ 模态比未优化的 CDI$^s$ 模态具有高于 0.02 的 AUC 值，彰显了为特定肿瘤应用优化 CDI$^s$ 指数的重要性。

    May, 2024

  • 使用优化的合成相关扩散成像改进乳腺癌分级预测

    利用体积深度放射特征从合成相关扩散成像（CDI$^s$）预测乳腺癌分级的最新研究结果表明，非侵入性方法在乳腺癌分级中有巨大潜力，该论文通过使用优化的 CDI$^s$ 改善乳腺癌分级来受到了启发。将优化后的 CDI$^s$ 信号与扩散加权成像（DWI）融合，为每位患者创建多参数 MRI，在更大的患者队列上进行训练，通过在预训练的 MONAI 模型的所有层进行训练，我们实现了 95.79% 的留一交叉验证准确性，比先前报道的高出 8%。

    May, 2024

  • 利用多参数 MRI 与优化的合成相关扩散成像提高乳腺癌病理完全缓解预测

    优化后的 CDI$^s$ 与扩散加权成像（DWI）融合的多参数 MRI 技术，可对乳腺癌病理完全缓解进行准确预测，交叉验证的准确性达到 93.28%，比之前报道的结果高出 5.5%。

    May, 2024

  • BC-MRI-SEG：乳腺癌 MRI 肿瘤分割基准

    基于公开可用的磁共振成像 (MRI) 数据集，提出了一个基准 (BC-MRI-SEG) 来进行二元乳腺癌肿瘤分割，其中包括四个数据集，其中两个用于监督式训练和评估，两个用于无样本评估，并在基准上比较了最先进的方法，并提供了可用的公共乳腺癌 MRI 数据集的详细列表。

    Apr, 2024

  • fastMRI 乳腺：一份公开的乳腺动态增强磁共振成像的径向 k 空间数据集

    这项数据整理工作介绍了诊断性乳腺 MRI 检查中获得的首个大规模径向 k - 空间和 DICOM 数据的乳腺 DCE-MRI 数据集。我们的数据集包括指示患者年龄、更年期状态、病变状态（阴性、良性和恶性）以及每个病例的病变类型的案例级标签。该数据集及其重建代码的公开可用将支持快速和定量的乳腺图像重建和机器学习方法的研究和发展。

    Jun, 2024

  • 基于知识的体外模型和数据集，用于对多种乳房特征、病变明显性和剂量的乳房照射检查 AI 进行比较评估

    通过使用合成图像数据集，我们提出了一种评估医学成像人工智能模型的方法，并发现模型性能随乳房密度增加而减小，随质量密度增加而增大，并在低于乳房类型的推荐剂量的曝光水平下获得了最高性能。

    Oct, 2023

  • VinDr-Mammo：全数字乳腺 X 线摄影计算机辅助诊断的大规模基准数据集

    VinDr-Mammo 数据集被介绍成一个用于检测和诊断乳腺癌和其他疾病的基准数据集，旨在促进开发用于乳腺癌筛查的计算机辅助检测和诊断工具的进步，该数据集共包含 5000 个乳腺 X 射线检查的四个标准视图，用于评估乳腺成像报告和数据系统的分类、位置和密度以及非良性结果。

    Mar, 2022

  • 癌症网 PCa-Gen：通过解剖条件控制的潜在扩散生成逼真的前列腺扩散加权成像数据

    通过引入一种解剖条件控制的潜在扩散策略，我们探索了潜在扩散对于生成逼真的前列腺 DWI 数据的有效性。经验结果表明，我们提出的 Cancer-Net PCa-Gen 策略通过可控的肿瘤位置和更好的解剖和纹理保真度提高了多样性前列腺图像的合成。这些关键特性使其非常适合增加真实患者数据，从而使神经网络能够在更多样化和全面的数据分布上进行训练。

    Nov, 2023