一个大型的开放访问数据集的脑转移3D分段MRI与临床和成像信息的脑转移3D细分

科学领域:

• 神经科学是一个神经科学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 切除和全脑放射治疗 (WBRT) 是大脑转移 (BM) 的标准治疗方法,但通常会导致认知副作用.
• 立体辐射手术 (SRS) 提供了一种有针对性的方法,潜在的副作用较少,但需要精确的BM识别.
• 目前用于BM划分的人工智能 (AI) 算法面临由于次优训练数据集的限制,阻碍了临床采用.

研究的目的:

• 开发一个大型的,异质的,注释的大脑转移 (BM) 数据集.
• 促进人工智能模型的培训和验证,以改进BM检测和细分.
• 通过提高数据质量和多样性来解决现有的AI算法的局限性.

主要方法:

• 编制了200名患者的数据集,其中包括预治疗T1,T1后对比,T2和FLAIRMRI扫描.
• 包括T1后对比图像上的对比增强和死体3D细分.
• 在FLAIR图像上提供周围胀的3D细分,使用简化的PACS集成细分工作流.

主要成果:

• 数据集包括975个增强对比度的病变,包括许多亚厘米的病变.
• 包括全面的成像数据 (T1,T1后对比,T2,FLAIR) 和临床信息.
• 具有对增强性/瘤性病变和瘤的详细细分.

结论:

• 提出的BM数据集是推动神经瘤学AI发展的重要资源.
• 在此数据集上训练的改进的人工智能模型可以提高SRS规划的精度.
• 这项工作旨在克服人工智能性能目前的局限性,用于治疗大脑转移的临床应用.