MSLesSeg:一个新的多发性硬化损伤细分数据集的基线和基准测试

科学领域:

• 神经成像是一种神经成像.
• 医学图像分析 医学图像分析
• 医疗保健中的人工智能

背景情况:

• 多发性硬化 (MS) 病变细分对于诊断和治疗监测至关重要.
• 现有的数据集可能缺乏多样性或专家级注释,阻碍了强大的AI开发.
• 需要精确的自动化细分来提高临床工作流程的效率.

研究的目的:

• 介绍MSLesSeg,一个新的,公开可访问的MRI数据集用于多发性硬化症病变细分.
• 提供高质量的,经过专家验证的数据集,用于对比自动化细分算法.
• 建立基于AI的MS病变细分的基线性能指标.

主要方法:

• 来自75名多发性硬化症患者的115个MRI扫描 (T1,T2,FLAIR) 的汇编.
• 包括来自不同来源的补充临床数据.
• 经过专家验证的损伤细分注释,用于建立基层真相.
• 基于AI的病变细分模型的开发和技术验证.
• 人工智能细分与专家偏见的手动细分的比较.

主要成果:

• MSLesSeg数据集包括115个扫描与专家验证的注释.
• 开发并验证了一种基于AI的新病变细分方法.
• 基线结果证明了数据集对基准测试的有用性.
• 人工智能细分的性能与最先进的方法进行了评估.

结论:

• MSLesSeg代表了推进自动化多发性硬化病变细分的重要资源.
• 该数据集有助于对AI细分工具进行严格的比较和开发.
• 这项工作标志着创建可靠的MS病变细分研究基准的里程碑.