Apr, 2024

小儿脑肿瘤分割挑战 (BraTS-PEDs): 以小儿为重点的挑战 (CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs)

PDF
TL;DR儿童中枢神经系统肿瘤是导致儿童癌症相关死亡的最常见原因之一，高级别胶质瘤的五年存活率不到 20%，由于它们的罕见性，这些实体的诊断经常延迟，治疗主要基于历史性治疗概念，临床试验需要多机构合作。本研究介绍了 CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs 挑战赛，专注于儿童脑肿瘤，数据来自多个国际联盟，致力于儿童神经肿瘤学和临床试验。人工智能 / 图像科学家与临床医生一同努力，以加快自动化分割技术的发展，这将有助于临床试验，并最终改善儿童脑肿瘤患者的治疗。
发现论文，激发创造
  • 2023 年脑肿瘤分割（BraTS）挑战赛：重点关注儿科（CBTN-CONNECT-DIPGR-ASNR-MICCAI BraTS-PEDs）

    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

  • 儿童脑肿瘤的自动集成分割：使用 CBTN-CONNECT-ASNR-MICCAI BraTS-PEDs 2023 挑战数据的新方法

    该研究基于磁共振成像技术（MRI）模态，采用深度学习技术和创新的集成方法，成功实现了对儿童脑肿瘤的精确分割模型，具有提高诊断准确性和有效治疗策划的潜力。

    Aug, 2023

  • 医学影像的高级肿瘤分割：针对 BraTS 2023 成人胶质瘤和儿童肿瘤任务的整合方法

    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

  • 2023 年脑肿瘤分割挑战赛：对撒哈拉以南非洲患者进行的胶质瘤分割挑战赛（BraTS-Africa）

    BraTS-Africa Challenge evaluates machine learning methods for the detection and characterization of gliomas in Sub-Saharan Africa and provides hope for the potential of computer-aided-diagnostic methods to transform healthcare in resource-limited settings.

    May, 2023

  • 2024 年脑肿瘤切分（BraTS）挑战：基于治疗后的 MRI 的胶质瘤切分

    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

  • 儿童脑肿瘤网络的多机构临床放射学 MRI 儿童数据集

    小儿脑和脊髓癌是儿童癌症相关死亡的主要原因。通过临床决策支持，在小儿神经肿瘤学中利用收集的丰富放射学成像数据，与其他领域相比，然而显著滞后。因此，我们提供了一种多机构、大规模的小儿数据集，包括 23,101 个经过例行护理收集的多参数 MRI 检查，适用于 1,526 名脑肿瘤患者，作为儿童脑肿瘤网络的一部分。这包括对各种癌症诊断的纵向 MRI，以及相关的临床患者信息、数字病理学切片以及组织基因型和组学数据。通过连续构建这些成像存储库的努力，我们的目标是加速发现和翻译 AI 模型，并利用实际数据赋予儿童精准医学能力。

    Oct, 2023

  • ASNR-MICCAI 脑肿瘤分割（BraTS）挑战赛 2023：颅内脑膜瘤

    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

  • RSNA-ASNR-MICCAI BraTS 2021 脑肿瘤分割和放射基因分类基准测试

    BraTS 2021 challenge focuses on benchmarking brain glioma segmentation algorithms and tumor classification based on mpMRI data from 2,040 patients, with performance evaluation on Sage Bionetworks Synapse platform and Kaggle, and awarding top participants $60,000.

    Jul, 2021

  • BraTS-Path 挑战赛：评估非均质组织病理性脑肿瘤亚区

    BrATs-Path 挑战的主要目标是为开发和公平比较能够识别具有不同组织学特征的肿瘤亚区的深度学习模型提供系统准备的完整数据集和基准环境，以进一步了解该疾病并以一致的方式协助诊断和分级。

    May, 2024

  • 2023 年 BraTS 颅内脑膜瘤分割挑战的分析

    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