一个多相CT数据集用于肝脏瘤的自动差异诊断

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 肝脏瘤表现出显著的异质性,使准确的诊断和治疗变得复杂.
• 多相对比增强型CT扫描提供了有价值的成像模式,但视觉评估受到重叠特征的限制.

研究的目的:

• 引入MCT-LTDiag,这是使用多相CT诊断来诊断肝脏瘤的综合数据集.
• 建立用于自动化肝癌亚型分类的基准.

主要方法:

• 开发了MCT-LTDiag数据集,包含517例病例和四相对比增强CT扫描.
• 包括五种肝脏瘤亚型:HCC,ICC,CRLM,BCLM和HH.
• 使用标准化预处理,质量控制和专家注释的瘤口罩.

主要成果:

• 使用放射学和深度学习模型的基线实验证明了数据集的实用性.
• 多相CT数据集成显著提高了肝脏瘤分类的诊断性能.

结论:

• MCT-LTDiag数据集支持了自动肝脏瘤亚型分类的进展.
• 该数据集是公开可用的,以促进未来的肝癌诊断研究.