拉丁美洲乳房:一个拉丁美洲多参数乳房DCE-MRI数据集,带有良性和恶性注释

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 生物医学数据科学 生物医学数据科学

背景情况:

• 从拉丁美洲患者收集15个DCE-MR成像序列的回顾性收集.
• 匿名的患者数据包括对比前,对比后,T1,T2,ADC,扩散和对比后相序列.
• 在不同的采集条件下使用了多个1.5T扫描仪和基于加多的对比剂.

研究的目的:

• 为推进医疗成像中的AI提供一个全面的数据集.
• 促进图像合成,表征和病变分类方面的研究.
• 为培训和验证机器学习模型提供平衡的数据集.

主要方法:

• 从单一机构追溯收集的数据,匿名化.
• 标准DICOM 3.0格式的图像转换为TIFF以提高存储效率.
• 对相关临床发现进行过的患者数据,优先考虑良性和恶性病变.
• 确保平衡列车,测试和验证套件用于病变类型和组织密度.
• 提供注释,包括病变位置 (x,y坐标),BIRADS和组织密度.

主要成果:

• 一个数据集,包括每位患者15个不同的MRI序列.
• 良性/恶性病变和非密度/密度组织的平衡表示.
• 每张图像都有详细的注释,包括病变的特征.
• 适用于各种AI应用程序的数据,如图像合成和细分.

结论:

• 这一数据集是人工智能驱动的医学图像分析的宝贵资源.
• 有助于开发和验证用于病变检测和分类的算法.
• 能够进一步研究先进的成像技术和诊断工具.