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

通过使用最大的已知多机构放射治疗计划脑 MRI 数据集，对具有完整或术后脑膜瘤的患者进行放射治疗，本研究旨在推进自动化分割算法。该数据集包含脱敏的三维增强 T1 加权放射治疗计划 MRI 及其相应的标注目标体积，能够准确分割肿瘤并提供个体化治疗，预计将显著改善患者预后。

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

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

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

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

应用深度学习于亚撒哈拉地区患者的多模态磁共振成像数据，以提高脑肿瘤分割的精确度，研究表明集成方法可以优于单一模型，在评估指标上展现出 0.82、0.82 和 0.87 的 Dice 评分，为精确分割脑肿瘤奠定了基础，并为未来的研究和性能评估提供了参考。

Aug, 2023

本研究评估了近年来机器学习方法在脑瘤 mpMRI 扫描方面的应用，主要集中在评估各种脑瘤子区域的分割、预测肿瘤进展和预测患者的总体存活率等方面，考虑到数据集的多样性和不断演化，同时探讨了针对每个任务的最佳机器学习算法的挑战。

Nov, 2018

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

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