Jul, 2024

BraTS-PEDs：2023年多联盟国际儿童脑肿瘤分割挑战结果

HTML
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主要原因，高级别胶质瘤在儿童中的五年生存率不到20%。BraTS-PEDs 2023挑战是首个专注于儿童脑肿瘤的脑肿瘤分割挑战赛，旨在评估儿童脑胶质瘤的体积分割算法，使用在BraTS 2023挑战中采用的标准化定量性能评估指标。优秀的人工智能方法包括nnU-Net和Swin UNETR的集成、Auto3DSeg或具有自监督框架的nnU-Net。BraTS-PEDs 2023挑战促进了临床医生（神经肿瘤学家、神经放射科医生）与人工智能/影像科学家之间的合作，推动数据共享加速和自动化体积分析技术的发展，这些进展可以极大地惠及临床试验并改善儿童脑肿瘤的治疗。
发现论文，激发创造
  • BRATS2017挑战赛中的脑肿瘤分割及放射组学生存预测

    本文介绍了一种利用卷积神经网络的特征加上数据增强和 Dice 损失函数的方法，成功应用于大脑肿瘤的分割，同时在乳腺癌核分裂图像的分割中也有着广泛的应用。

    Feb, 2018

  • 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

  • 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

  • 如何赢得BraTS 2023成人脑胶质瘤挑战？只需模拟！增强合成数据增强和模型集成用于脑肿瘤分割

    利用生成对抗网络、注册方法和深度学习模型在BraTS2023挑战赛的脑瘤分割任务中，通过非传统机制进行数据增广，实现大量可用样本进行训练，使用卷积算法和变换器填补彼此的知识差距，最佳解决方案在验证集上达到了0.9005、0.8673、0.8509的Dice结果和14.940、14.467、17.699的HD95结果（整个肿瘤、肿瘤核心和增强肿瘤）。

    Feb, 2024

  • 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

  • 注意力增强的混合特征聚合网络用于三维脑肿瘤分割

    基于多尺度关注引导U-Net模型以及Swin Transformer的三维脑肿瘤分割方法的性能评估。

    Mar, 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)

    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。

    Apr, 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

  • 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

  • 2024年脑肿瘤分割挑战：脑膜瘤放疗规划自动分割

    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