相关实验视频
Updated: Jul 26, 2026
05:33
Three-Dimensional Shape Modeling and Analysis of Brain Structures
Published on: November 14, 2019
7.1K
2023年大脑瘤分割 (BraTS) 挑战:用于瘤分割 (BraSyn) 的大脑MR图像合成
Hongwei Bran Li1,2,3, Gian Marco Conte4, Qingqiao Hu1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45
1University of Zurich, Switzerland.
ArXiv
|August 23, 2023
概括
这项研究引入了脑MRI图像合成基准 (BraSyn) 来生成缺失的MRI序列,以改善脑瘤细分. 该基准旨在通过可用模式实现现实的图像合成来增强自动化细分管道.
科学领域:
- 医疗图像分析 医疗图像分析
- 医疗保健中的人工智能
- 神经成像是一种神经成像.
背景情况:
- 自动化脑瘤细分依赖于多种MRI方式 (T1,T1-对比,T2,FLAIR).
- 在临床实践中缺失的MRI序列阻碍了细分算法的性能.
- 开发替代缺失模式的方法对于更广泛的临床采用至关重要.
研究的目的:
- 建立大脑MRI图像合成基准 (BraSyn) 来评估MRI模式合成.
- 促进开发强大的自动化脑瘤细分管道.
- 使用现有的成像数据,促进现实生成缺失的MRI序列.
主要方法:
- 大脑MR图像合成基准 (BraSyn) 是为MICCAI 2023挑战而建立的.
- 该基准侧重于评估图像合成方法,以生成缺失的MRI模式.
- 使用了来自各个机构的多样化,多模式数据集.
主要成果:
- 该基准提供了一个平台来评估图像合成技术的性能.
- 它可以实现缺失的MRI序列的现实生成.
- 最终的目标是改进自动化脑瘤细分.
结论:
- 在推进自动化脑瘤细分方面,BraSyn基准是必不可少的.
- 现实的MRI合成可以克服临床环境中的数据限制.
- 这项工作支持在神经瘤学工作流程中更广泛地整合AI.
