May, 2023

CHMMOTv1-- 适用于地中海贫血患者铁负荷的心肝多回声（T2*）磁共振成像和临床数据集

PDF
TL;DRThis paper presents a dataset consisting of MRI images, laboratory tests, and clinical reports of patients with thalassemia, which can be used for medical diagnosis and treatment purposes, especially with the application of deep learning networks.
thalassemiamrideep learning networksdatasetmedical diagnosis
发现论文，激发创造
  • 基于稀疏 2D 心脏 MR 图像的全心脏 3D+T 表示学习

    我们提出了一种全心自监督学习框架，利用掩蔽成像建模自动发现心脏图像中空间和时间补丁之间的相关性，以生成有意义且高度聚类的心脏表示，该表示可以直接用于多个下游任务，而且在缺失或有缺陷的心磁共振平面上也具有鲁棒性，该方法在综合 3D+T 心脏信息方面具有出色的性能。

    Jun, 2024

  • 基于 ADMM 的深度心脏 MRI 重建

    心脏核磁共振成像技术是一种有价值的非侵入性工具，用于识别心血管疾病，并通过基于深度学习的加速重建方法，提高动态心脏成像的重建质量和准确性。

    Oct, 2023

  • 基于时空 SAM 适应的心脏磁共振 2D+T 短轴和长轴分割

    利用 CMR2D + T-SAM 对 2D + T 心肌分割进行了改进，通过空时调整和 U-Net 框架，利用文本提示以单一模型实现了对短轴和长轴视图的准确分割，在 STACOM2011 数据集上取得 0.885 的心肌 Dice 分数和 2.900 像素的 Hausdorff 距离，并在 ACDC 数据集上展示了 0.840 的 Dice 分数和 4.076 像素的 Hausdorff 距离。

    Mar, 2024

  • 一个适用于心脏磁共振的通用深度学习系统

    基于自监督对比学习的深度学习模型通过学习心脏核磁共振扫描伴随的放射学报告的原始文本中的视觉概念，展示了对人类心血管疾病和健康的全面评估；我们的模型在美国的四个大型学术临床机构的数据上训练和评估，并在英国 BioBank 和其他两个公开可用的外部数据集上展示了卓越的性能，实现了包括左心室射血分数回归和 35 种不同病症（如心脏淀粉样变及肥厚型心肌病）的诊断等一系列任务，显示出对人类心血管疾病的复杂性的理解能力，并在仅需要一部分通常用于这种任务的训练数据的情况下，实现了令人印象深刻的临床级诊断准确率。

    Dec, 2023

  • 基于深度 Maxout 网络特征融合与政治切线搜索优化的转移学习用于地中海贫血检测

    用于地中海贫血检测的政治切线搜索优化器基于迁移学习 (PTSO_TL) 在正常化数据、特征融合、数据增强和训练调优等阶段的整合应用中，达到了约 94.3%、96.1% 和 95.2% 的最大精度、召回率和 F 值。

    Aug, 2023

  • 左心房晚期钆增强 MRI 图像质量评估的两阶段深度学习框架

    自动化 LGE-MRI 图像诊断质量评估方法，包括左心房检测器和深度神经网络，通过多任务学习和对比学习提高精确度，用于左心房纤维化的可靠高质量扫描和治疗规划。

    Oct, 2023

  • Duke 脾脏数据集：公开的脾 MRI 和 CT 数据集用于分割训练

    该研究开发了一个包括 109 例患者 CT 和 MRI 数据的数据集，名为 Duke 脾脏数据集，旨在为研究深度学习算法的脾脏分割提供丰富的图像类型、供应商、平面和对比度，以及不同病态状态下不同的脾脏形状和大小。

    May, 2023

  • CMRxRecon：用于加速图像重建竞赛的开放式心脏核磁共振图像数据集

    通过发布一个包含来自 300 个受试者的多对比度、多视角、多切片和多线圈 CMR 成像数据的数据集，我们旨在通过引入标准化的评估标准并使数据集免费向研究社区开放来促进最先进的 CMR 图像重建的进展。

    Sep, 2023

  • HgbNet: 从 EHR 数据预测血红蛋白水平 / 贫血程度

    利用电子健康记录数据，我们引入了 HgbNet 预测模型用于血红蛋白水平和贫血程度的预测，该模型通过模拟临床医生的决策过程，利用缺失值处理机制和注意力机制来处理 EHR 数据中的缺失和时间间隔不规则问题，结果表明 HgbNet 优于基线模型，在贫血诊断方面具有潜在的非侵入性和提高生活质量的潜力。

    Jan, 2024

  • 呼吸运动下极端心脏磁共振分析挑战（CMRxMotion）

    该研究设计了一项心脏 MRI 分析挑战赛（CMRxMotion Challenge），以评估呼吸运动对图像质量的影响，并检验分割模型的稳健性，招募了 40 名志愿者进行不同的呼气行为，采集了具有伪影的短时成像，并通过定量评估绩效和对比实验，考察自动化影像质量评估和分割任务的算法效果。

    Oct, 2022