Apr, 2024

CPAISD：核心 - 半影急性缺血性卒中数据集

PDF
TL;DR介绍了 CPAISD 数据集，旨在通过使用非对比增强计算机断层扫描（NCCT），提高对缺血性中风的早期检测和分割。该数据集解决了在早期阶段诊断急性缺血性中风时常常无法揭示原发性 CT 结果的挑战，提供一系列分割的 NCCT 图像。这些图像包括缺血核心和半明区域的注释，对于开发机器学习模型以实现快速中风识别和评估至关重要。通过提供一个经过精心收集和注释的数据集，旨在促进先进诊断工具的开发，为中风管理中的患者护理和结果改善做出贡献。我们的数据集的独特之处在于它专注于缺血性中风的急性阶段，并包括一个基准模型来展示数据集的应用，鼓励在医学影像和中风诊断领域的进一步研究和创新。
发现论文，激发创造
  • APIS: 一个用于脑缺血分割挑战的 CT-MRI 成对数据集

    中风是全球第二大死因，本研究介绍了 APIS 数据集，它包含了 NCCT 和 ADC 研究的急性缺血性中风患者，可用于帮助诊断、定位和分析中风病变。

    Sep, 2023

  • 基于随机专家抽样的非对比度 CT 图像深度学习分割急性缺血性中风

    基于多位专家的深度学习方法，本研究利用非对比 CT 图像自动量化缺血性脑组织。采用随机专家抽样的训练方案，该模型在专家结果、多数投票模型性能和临床结果等方面显示更高的一致性，并能像 CT 灌注图像一样准确地识别非对比 CT 图像中急性缺血性脑组织的存在和位置，从而在非专业医院中进一步确保对患者进行血管内治疗的选择。

    Sep, 2023

  • 急性缺血性卒中患者 CT 和 CTA 图像生成灌注图的框架：纵向和横向研究

    中风是致残和死亡的主要原因。在有效处理决策中首要是进行早期和信息丰富的血管成像。因此，我们提出了一种从 CT 和 CTA 图像中提取预测灌注图的框架。我们的预测灌注图与 4D-CTP 得到的 T-max 灌注图之间具有显著的空间相似性。通过对 2,110 名患者进行的体素相关性分析，可可靠地将症状与预期的梗塞位置相对应。因此，如果没有 4D 灌注成像，我们的预测灌注图可以作为一种替代方法来研究入院后的前几个小时的血液灌注。

    Apr, 2024

  • 深度学习方法在脑 CT 上识别急性缺血性卒中病变的研究

    研究使用深度学习（DL）技术，设计基于计算机断层扫描（CT）的 DL 算法，从非严格研究协议中收集的 CT 脑部扫描数据中检测急性缺血性中风（AIS）病变，并分类受影响的脑部侧边。通过探索 AIS 病变特征、背景脑部外观和时间对 DL 性能的影响，最佳 DL 方法对病变存在和侧边分类达到了 72％的准确率，对大尺寸病变（80％准确率）和多发病变（87％二个病变、100％三个或以上病变的准确率）检测效果更好。

    Sep, 2023

  • 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

  • 利用深度学习识别脑 CT 图像上的出血和梗死病灶

    通过深度学习算法识别头部非对比增强 CT 扫描中的颅内出血和梗死，为日常医疗工作流程引入广泛的医疗设施提供了潜力和限制。

    Jul, 2023

  • 头颅 CT 扫描关键结果检测深度学习算法的开发与验证

    本研究开发和验证了一组深度学习算法，用于自动检测无对比剂头颅 CT 扫描的关键发现：颅内出血（ICH）及其类型，脑内实质（IPH），脑室内（IVH），硬膜下（SDH），硬脑膜外 (EDH) 和蛛网膜下 (SAH)，骨盖骨折，中线移位和占位效应，AUCs 测评结果显示算法的识别准确率达到了很高的水平。

    Mar, 2018

  • 一种用于缺血性中风病变分割的鲁棒集成算法：超越 ISLES 挑战的广泛适用性和临床效用

    2022 年缺血性卒中病灶检测和分割的集成算法能对扩散加权磁共振成像 (DWI) 图像进行准确分析，与专家相媲美，并具有临床应用的潜力。

    Mar, 2024

  • 应用于非对比 CT 中卒中灶分割的同步图像 - 标签扩散概率模型

    本文提出了一种基于扩散概率模型的非对比 CT 扫描中卒中病灶分割方法，该方法完全基于隐变量模型，在噪声预测流的帮助下能够高效地推断出最终标签，经多组数据集验证，证实其达到了最先进的性能。

    Jul, 2023

  • 数字减影血管造影序列数据集和脑动脉分割的时空模型

    DSA 序列中的脑血管自动分割的研究，通过引入一个专为像素级语义分割设计的公开可访问数据集 DSCA 和一种名为 DSANet 的时空网络方法进行小血管分割，成功改进了诊断脑血管疾病的准确性。

    Jun, 2024