在磁共振血管学图像中对脑血管进行半自动注释

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 在磁共振血管学 (MRA) 中精确的脑血管细分对于神经血管外科手术至关重要.
• 开发自动化细分算法需要广泛的,注释良好的数据集,这些数据目前很少.
• 现有的MRA数据集缺乏关于脑血管结构的详细注释.

研究的目的:

• 为了展示一套由100张脑MRA图像组成的新,手动注释的数据集.
• 促进对脑血管结构的先进自动化细分算法的开发.
• 支持对脑血管形态和人工智能驱动的诊断工具的研究.

主要方法:

• 来自IXI数据集的100张大脑MRA图像的数据集进行了策划.
• 使用弗朗吉容量过器进行了自动细分,然后由三个注释者进行手动改进.
• 注释侧重于威利斯圆和相关的血管,由神经血管外科医生监督的手工精细化.

主要成果:

• 数据集包括100个手动注释的大脑MRA图像,这是公开提供的最大的数据集之一,具有详细的血管细分.
• 人口元数据和集群分析揭示了四种不同的脑血管形态模式.
• 该数据集可以开发自动细分算法,并研究形态变异.

结论:

• 本文所介绍的数据集是推动MRA中自动化脑血管细分的重要资源.
• 它支持开发人工智能工具,用于神经血管手术规划和脑血管研究.
• 该资源将有助于理解脑血管形态,并提高诊断能力.