分享一个全/全身[18F]FDG-PET/CT数据集与CT衍生细分:一个ENHANCE.PET倡议

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 阳离子辐射断层扫描/计算机断层扫描 (PET/CT) 对于疾病的诊断和管理至关重要.
• 大型,精心策划的多中心PET/CT数据集的有限可用性阻碍了先进的分析.
• 深度学习需要广泛的,高质量的数据进行培训和验证.

研究的目的:

• 提供全面的,精心策划的全身和全身双模式FDG-PET/CT研究数据集.
• 为130个目标地区提供相应的CT衍生细分,跨多种群体.
• 促进深度学习和多模式图像分析在临床应用中的进步.

主要方法:

• 从一个多中心队列中收集了1597个双模式的FDG-PET/CT研究.
• 利用公司内部软件对130个目标地区的CT图像进行自动细分.
• 培训医生的审查和纠正确保了细分的准确性.

主要成果:

• 一个包含1597个匿名PET/CT图像的NIfTI格式数据集.
• 对130个不同的解剖区域 (器官,组织,血管等) 进行精确的CT衍生细分. ) 的情况.
• 包括健康个体和肺癌,淋巴瘤和黑色素瘤患者的数据.

结论:

• 提出的数据集解决了对PET/CT研究资源的关键缺口.
• 它可以实现深度学习模型的开发和验证,以提高诊断准确度.
• 预计这项资源将促进PET/CT成像的临床实用性.