和手术的成像数据库 (IDEAS)

科学领域:

• 神经成像是一种神经成像.
• 计算神经学 计算神经学
• 的研究研究.

背景情况:

• 磁共振成像 (MRI) 对于检测神经疾病中大脑异常至关重要.
• 焦点的诊断依赖于通过MRI识别结构性脑部异常.
• 机器学习 (ML) 和人工智能 (AI) 可以增强细微异常的病变检测,取决于数据质量和数量.

研究的目的:

• 发布一个全面的,开源的数据集,预处理的MRI扫描和详细的人口/临床信息,对于药物耐药的焦点患者.
• 为开发和验证AI/ML算法提供一个有价值的资源,以改善病病变的检测.
• 促进临床神经病学的计算方法的进步.

主要方法:

• 编译和预处理的MRI扫描 (3D T1,3D FLAIR) 来自442名患者和100名健康对照.
• 收集了详细的人口统计数据,史,治疗信息和手术后的随访.
• 包括手动检查的表面重建,体积分片和术后成像的切除口罩.

主要成果:

• 成功地复制了先前关于患者与对照者的长期自由率 (~50%) 和组级缩的研究结果.
• 在患者队伍中确认了叶和额叶的突发切除位置.
• 证明了数据集在验证已建立的研究结果中的实用性.

结论:

• 这种广泛的数据集的开源发布预计将加速临床神经病学的计算方法的开发和应用.
• 这个资源将使研究人员能够建立更强大的AI/ML模型来诊断和治疗.
• 促进神经成像和计算神经科学领域的合作研究和创新.