GBM-Reservoir:脑瘤 (多形质母细胞瘤) MRI数据集收集与地面真相细分面具
Naida Solak1,2,3, André Ferreira3,4,5,6, Gijs Luijten1,2,3,7
1Graz University of Technology (TU Graz), Graz, Styria, Austria.
Data in brief
|February 6, 2025
概括
这项研究引入了一个大型脑瘤MRI数据集 (23,049个样本),具有多种扫描类型和细分口罩. 这些数据支持使用深度学习开发用于脑瘤的自动细分算法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 脑瘤细分对于诊断和治疗计划至关重要.
- 现有的数据集在成像协议和样本大小方面往往缺乏多样性.
- 深度学习模型需要大型,注释良好的数据集,以获得强大的性能.
研究的目的:
- 为研究提供全面的脑瘤MRI数据集.
- 为了促进先进的自动化细分算法的开发.
- 为满足对多样化和大规模注释医疗成像数据的需求.
主要方法:
- 从BraTS 2022挑战中收集和处理了23049个MRI脑部扫描 (FLAIR,T1,T1ce,T2).
- 利用注册过程将数据集从438个原始样本扩展到n2合成样本.
- 为每个样本提供一个或两个细分面具 (地面真相),包括原始和后处理版本.
主要成果:
- 数据集包括23049个样本,图像质量异质,反映真实世界的临床数据.
- 每个样本包括四个MRI序列和相应的地面真实细分面具.
- 登记过程有效地产生了具有不同瘤位置的多样化合成样本.
结论:
- 这一数据集是培训和验证用于脑瘤细分的深度学习模型的宝贵资源.
- 数据的多样性允许开发更可通用和更强大的细分算法.
- 这个资源可以加速自动化神经瘤学图像分析的研究.
