精选的基准数据集用于基于超声波的乳腺损伤分析

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 准确的乳腺病变检测和分类对于有效的乳腺癌诊断至关重要.
• 现有的数据集可能缺乏全面的注释或患者级数据,以进行强大的AI模型培训.
• 乳房超声波是用于评估乳房病变的广泛使用的成像方法.

研究的目的:

• 引入乳腺超声波扫描 (BrEaST) 数据集,这是人工智能驱动的乳腺癌研究的新资源.
• 为培训和验证用于乳腺病变检测,细分和分类的AI模型提供全面的数据集,并提供详细的注释.
• 为了促进自动化乳房超声波分析的进步.

主要方法:

• BrEaST数据集包括256名患者的256次乳房超声波扫描.
• 扫描包括良性病变,恶性病变和正常乳腺组织的图像.
• 专家放射科医生手动注释图像,提供BIRADS词典标签和在可用的情况下提供病理学分类.

主要成果:

• BrEaST数据集是第一个提供患者级,图像级和瘤级标签的数据集.
• 所有病例都通过随访护理或核心针活检得到确认,确保数据的准确性.
• 该数据集包含用于瘤识别和BIRADS特征标签的自由手注释.

结论:

• BrEaST数据集为人工智能研究乳腺超声波提供了一个有价值的,公开可访问的资源.
• 这一数据集将支持改进人工智能工具的开发,用于乳腺癌的检测和表征.
• 根据CC-BY 4.0许可证的可用性促进了医学成像分析的协作研究.