Aug, 2023

ECPC-IDS：一份用于评估语义分割和高代谢区域检测的子宫内膜癌 PET / CT 图像数据集

PDF
TL;DR发表了一份公开可用的子宫内膜癌 PET/CT 图像数据集 (ECPC-IDS)，它包含大量的图像和标注信息，用于支持深度学习语义分割和目标检测方法，有助于增强计算辅助技术，从而为临床医生和患者带来极大的好处。
endometrial cancercomputer-assisted diagnosisimage datasetsemantic segmentationobject detection
发现论文，激发创造
  • 基于视觉 Transformer 的子宫内膜癌组织学分类的深度学习

    介绍了一种基于转换器的深度学习方法 EndoNet，用于子宫内膜癌的组织学分类。通过使用卷积神经网络提取组织学特征并使用视觉转换器聚合这些特征，将切片基于其视觉特征分类为低级别和高级别类型，该模型在内部和外部测试中表现出良好的性能。

    Dec, 2023

  • 利用卷积神经网络和注意机制进行子宫内膜组织病变智能辅助诊断

    本研究提出一种基于深度学习的 CADx 方法，使用卷积神经网络和注意力机制来对子宫内膜癌进行诊断。实验结果表明，该方法在诊断准确率上优于人类专家和其他深度学习基础算法。

    Apr, 2019

  • 基于深度学习的 PET/CT 体积中肿瘤的分割：不同架构和训练策略的基准

    癌症诊断的深度学习神经网络架构与训练策略在自动切割 PET/CT 图像中的应用，取得了良好的效果，为精确的肿瘤学诊断和更有针对性、有效的癌症评估技术的发展做出了贡献。

    Apr, 2024

  • PHE-SICH-CT-IDS：自发性脑出血围血肿的语义分割、物体检测和放射学特征提取评估的 CT 图像基准数据集

    血脑屏障区自动分割方法的 CT 数据集 PHE-SICH-CT-IDS 将有助于评估 intracerebral hemorrhage 的分割、检测和特征提取方法。

    Aug, 2023

  • Meply：大规模数据集和基线评估用于转移性骶部淋巴结检测和分割

    为了研究和治疗直肠癌，准确分割转移性淋巴结对于直肠癌的分期和治疗至关重要。然而，由于在直肠周围淋巴结的像素级注释数据集的缺失，现有的分割方法面临挑战。此外，转移性淋巴结的特点是尺寸相对较小，形状不规则，与背景相比对比度较低，进一步复杂了分割任务。为了解决这些问题，我们提出了第一个大规模的淋巴结 CT 图像数据集 ——Meply，其中包含 269 名被诊断为直肠癌的患者的像素级注释。此外，我们提出了一种名为 CoSAM 的新型淋巴结分割模型。CoSAM 利用基于序列的检测来指导直肠癌转移性淋巴结的分割，有助于改进分割模型的定位性能。它由三个关键组件组成：基于序列的检测模块、分割模块和协作收敛单元。为了评估 CoSAM 的有效性，我们使用 Meply 数据集系统地比较了它与几种常用的分割方法的性能。我们的代码和数据集将公开提供。

    Apr, 2024

  • 结肠镜图像内腔场景分割基准

    介绍一个用于结肠镜图像分析的新基准，通过使用决策支持系统在不同阶段提供内腔场景分割，基于全卷积神经网络的训练，在不进行后处理的情况下，在内腔场景分割方面优于以往结果。

    Dec, 2016

  • 深度卷积神经网络用于乳腺癌组织学图像分析

    本研究基于深度卷积神经网络开发了计算方法，用于乳腺癌组织病理图像分类，包括四类和两类（用于检测癌变）分类任务，在高灵敏度操作点上，我们报告了 93.8% 的准确性，97.3% 的 AUC 和 96.5/88.0% 的敏感性 / 特异性，超过了其他常见的自动组织病理学图像分类方法。

    Feb, 2018

  • AutoPET Challenge 2022：基于深度学习和 FDG PET/CT 的全身肿瘤病灶自动分割

    本研究提出一种新的深度学习模型训练策略，用于构建能够对肿瘤进行系统分割的 PET/CT 肿瘤分割模型，该方法基于 AutoPET 2022 挑战赛的训练集进行验证，并在预测试集上实现了 0.7574 的 Dice 分数、0.0299 的假阳性体积和 0.2538 的假阴性体积，代码已在链接中提供。

    Aug, 2022

  • 增强光谱乳腺 X 线摄影中的病变检测

    本研究介绍了使用深度学习构建的计算机辅助诊断 (CAD) 技术，基于 Contrast Enhanced Spectral Mammography (CESM) 图像，通过神经网络识别乳腺恶性病变和进行分类，前期数据的结果证明最终模型在乳腺癌诊断上有很高的可行性。

    Jul, 2022

  • 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