一个大规模的多中心乳腺癌DCE-MRI基准数据集与专家细分

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 乳腺癌中的人工智能 (AI) 研究磁共振成像 (MRI) 被专家标记的细分数据的稀缺性所阻碍.
• 现有的公共数据集往往缺乏足够的专家注释,以进行强大的深度学习模型开发.

研究的目的:

• 引入一个全面的,多中心的乳腺癌MRI扫描数据集与专家验证的细分.
• 促进用于乳腺癌诊断和治疗预测的先进人工智能模型的开发和验证.

主要方法:

• 从四个癌症成像档案 (TCIA) 收藏中编制了1506个治疗前T1加权的动态对比增强型MRI病例.
• 使用深度学习模型进行初始细分,然后由16名经验丰富的乳腺癌专家进行专家校正和验证.
• 整合了49个协调的临床和人口变量,并为基线nnU-Net模型提供了预训练的权重.

主要成果:

• 建立了一个大规模的,公开可用的乳腺癌MRI数据集,并为原发性瘤和非质量增强区域提供专家注释.
• 该数据集包括成像数据,临床变量和预训练的AI模型权重,解决了关键的资源缺口.
• 严格的注释过程涉及16名专家,确保了人工智能研究的高质量数据.

结论:

• 这一新型数据集显著增强了人工智能驱动的乳腺癌研究使用MRI的资源.
• 它使深度学习模型的开发,验证和基准测试能够改善乳腺癌诊断和个性化护理.
• 预计该资源将加速预测治疗反应和量身定制患者管理的进展.