邦比德-HIE 2023:在BOston的损伤细分挑战 新生儿脑损伤数据对低毒性缺血性脑病变的数据

科学领域:

• 医疗成像医学成像
• 新生儿神经病学 新生儿神经病学
• 人工智能在医学中的应用

背景情况:

• 缺氧性缺血性脑病变 (HIE) 影响1-5/1000名新生儿,导致大脑功能障碍.
• 新生儿MRI中HIE病变的准确细分对于预后和治疗评估至关重要.
• 有限的注释数据阻碍了自动化HIE病变细分算法的开发.

研究的目的:

• 为了解决HIE损伤细分中的数据稀缺性挑战.
• 组织第一个使用扩散MRI数据 (ADC地图) 的BONBID-HIE挑战.
• 评估基于HIE病变的基于机器学习的细分算法的性能.

主要方法:

• 在与MICCAI 2023一起组织了BONBID-HIE挑战.
• 收集并使用扩散MRI数据 (表面扩散系数图) 进行HIE病变细分.
• 收到 14 个采用各种自动机器学习细分算法的提交.

主要成果:

• 促进了当前HIE病变细分技术的深入评估.
• 提供了关于提交的算法的能力和局限性的见解.
• 确定了未来该领域的研究和开发的关键领域.

结论:

• 邦比德-HIE挑战成功推动了自动化HIE病变细分方面的进步.
• 该挑战强调了需要继续进行研究,以克服持续存在的障碍.
• 一个注释数据集,算法码头和评估代码是公开可用的,以促进进一步的研究.