高分辨率超声波数据用于基于AI的分段在小鼠大脑瘤中

科学领域:

• 神经瘤学神经瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 多形质母细胞瘤 (GBM) 是一种侵袭性脑癌,需要有效的治疗.
• 临床前小鼠模型,如GL261质瘤模型,对于研究GBM和开发疗法至关重要.
• 超声波成像在临床前研究中提供了非侵入性,实时监测和治疗潜力.

研究的目的:

• 在临床前外科手术过程中解决GL261瘤实时细分方面的挑战.
• 开发一个高质量的,注释的超声数据集,以推进人工智能驱动的瘤细分.
• 支持在临床前GBM研究中开发更准确,更有效的瘤切除技术.

主要方法:

• 创建首个专门针对GL261质母细胞瘤的公开可用的超声数据集.
• 1,856个超声波图像的注释,以促进精确的瘤边界划定.
• 数据集旨在支持人工智能模型的培训和验证,用于自动化细分.

主要成果:

• 为GL261质母细胞瘤研究引入全新的,全面的超声波数据集.
• 该数据集提供了1856张注释图像,使得强大的AI模型开发成为可能.
• 预计这项资源将显著提高自动瘤细分的准确性和效率.

结论:

• 开发的数据集是推动AI在临床前GBM研究中的基础资源.
• 它促进了改进的外科指导和瘤切除技术的开发.
• 该数据集将临床前发现与临床实践联系起来,有助于创建更有效的GBM疗法.