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

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

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

从疾病大脑扫描中综合出健康脑扫描为解决一般算法的局限性，我们考虑了3D修复任务，并研究将2D修复方法调整为满足3D磁共振成像（MRI）数据要求的方法。我们的贡献包括针对MRI特定需求的潜在修改，并使用BraTS2023修复数据集对多个修复技术进行评估，以评估它们的效果和限制。

Feb, 2024

通过使用去噪扩散概率模型，本文介绍了一种把肿瘤组织转化为健康组织的方法，通过自动分析磁共振图像中的异常组织，进而实现下游任务。我们的方法在验证集上取得了可比较的结果，平均结构相似性指数为0.7804，峰值信噪比为20.3525，均方误差为0.0113。未来将扩展这种方法，使其能够整体修复感兴趣区域而不会丢失邻近切片的上下文信息。

Feb, 2024

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

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

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

儿童中枢神经系统肿瘤是导致儿童癌症相关死亡的主要原因，高级别胶质瘤在儿童中的五年生存率不到20%。BraTS-PEDs 2023挑战是首个专注于儿童脑肿瘤的脑肿瘤分割挑战赛，旨在评估儿童脑胶质瘤的体积分割算法，使用在BraTS 2023挑战中采用的标准化定量性能评估指标。优秀的人工智能方法包括nnU-Net和Swin UNETR的集成、Auto3DSeg或具有自监督框架的nnU-Net。BraTS-PEDs 2023挑战促进了临床医生（神经肿瘤学家、神经放射科医生）与人工智能/影像科学家之间的合作，推动数据共享加速和自动化体积分析技术的发展，这些进展可以极大地惠及临床试验并改善儿童脑肿瘤的治疗。

Jul, 2024

本研究解决了临床脑肿瘤分割工具在实际应用中较难达到标准的问题。我们提出使用合成数据来训练先进的框架，以改善成人胶质瘤在后治疗场景下的分割效果，以及脑膜瘤的放疗计划分割。研究结果表明，合成数据的应用能够增强算法的鲁棒性，尽管生成管道并不完全适用于脑膜瘤任务。

Nov, 2024