論文の概要: A multi-institutional pediatric dataset of clinical radiology MRIs by
the Children's Brain Tumor Network
- arxiv url: http://arxiv.org/abs/2310.01413v1
- Date: Mon, 2 Oct 2023 17:59:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 20:09:33.919558
- Title: A multi-institutional pediatric dataset of clinical radiology MRIs by
the Children's Brain Tumor Network
- Title(参考訳): 小児脳腫瘍ネットワークによる臨床放射線画像の多施設的分析
- Authors: Ariana M. Familiar, Anahita Fathi Kazerooni, Hannah Anderson,
Aliaksandr Lubneuski, Karthik Viswanathan, Rocky Breslow, Nastaran Khalili,
Sina Bagheri, Debanjan Haldar, Meen Chul Kim, Sherjeel Arif, Rachel
Madhogarhia, Thinh Q. Nguyen, Elizabeth A. Frenkel, Zeinab Helili, Jessica
Harrison, Keyvan Farahani, Marius George Linguraru, Ulas Bagci, Yury
Velichko, Jeffrey Stevens, Sarah Leary, Robert M. Lober, Stephani Campion,
Amy A. Smith, Denise Morinigo, Brian Rood, Kimberly Diamond, Ian F. Pollack,
Melissa Williams, Arastoo Vossough, Jeffrey B. Ware, Sabine Mueller, Phillip
B. Storm, Allison P. Heath, Angela J. Waanders, Jena V. Lilly, Jennifer L.
Mason, Adam C. Resnick, Ali Nabavizadeh
- Abstract要約: 我々は,1,526人の脳腫瘍患者の定期治療によって得られた,23,101個の多パラメータMRI検査の大規模データセットを提供する。
これには、様々ながん診断における縦方向MRI、関連する患者レベル臨床情報、デジタル病理スライド、および組織遺伝子型およびオミクスデータが含まれる。
- 参考スコア(独自算出の注目度): 6.562299138758103
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pediatric brain and spinal cancers remain the leading cause of cancer-related
death in children. Advancements in clinical decision-support in pediatric
neuro-oncology utilizing the wealth of radiology imaging data collected through
standard care, however, has significantly lagged other domains. Such data is
ripe for use with predictive analytics such as artificial intelligence (AI)
methods, which require large datasets. To address this unmet need, we provide a
multi-institutional, large-scale pediatric dataset of 23,101 multi-parametric
MRI exams acquired through routine care for 1,526 brain tumor patients, as part
of the Children's Brain Tumor Network. This includes longitudinal MRIs across
various cancer diagnoses, with associated patient-level clinical information,
digital pathology slides, as well as tissue genotype and omics data. To
facilitate downstream analysis, treatment-na\"ive images for 370 subjects were
processed and released through the NCI Childhood Cancer Data Initiative via the
Cancer Data Service. Through ongoing efforts to continuously build these
imaging repositories, our aim is to accelerate discovery and translational AI
models with real-world data, to ultimately empower precision medicine for
children.
- Abstract(参考訳): 小児脳と脊髄がんは、子供のがん関連死の主要な原因である。
しかし, 標準治療を通じて収集した放射線画像データを利用した小児神経腫瘍学における臨床的決定支援の進歩は, 他の領域に大きく影響している。
このようなデータは、大規模なデータセットを必要とする人工知能(AI)メソッドのような予測分析での使用に適しています。
我々は,小児脳腫瘍ネットワークの一環として,1,526人の脳腫瘍患者の定期治療を通じて取得した23,101個の多パラメータMRI検査の多施設的,大規模データセットを提供する。
これには、様々ながん診断における縦方向MRI、関連する患者レベル臨床情報、デジタル病理スライド、および組織遺伝子型およびオミクスデータが含まれる。
下流解析を容易にするために,nci小児がんデータイニシアチブを通じて,370名の患者に対する治療用na\"iveイメージを処理し,公開した。
これらの画像レポジトリを継続的に構築する取り組みを通じて、現実世界のデータによる発見と翻訳AIモデルを加速し、究極的には子供の精密医療を強化することを目的としています。
関連論文リスト
- 3D Graph Attention Networks for High Fidelity Pediatric Glioma Segmentation [0.0]
本研究は,小児グリオーマの自動セグメンテーションに適した空間的注意機構を備えた新しい3次元UNetアーキテクチャを提案する。
マルチパラメトリックMRIデータを用いたBraTS小児グリオーマデータセットを用いて、提案モデルはマルチスケールの特徴を捉え、腫瘍関連領域に選択的に参画する。
モデルの性能をDice類似度係数とHD95を用いて定量的に評価し, 複雑なグリオーマの構造が向上したことを示す。
論文 参考訳(メタデータ) (2024-12-09T18:36:36Z) - MGH Radiology Llama: A Llama 3 70B Model for Radiology [50.42811030970618]
本稿では,高度な放射線学に焦点を当てた大規模言語モデルMGH Radiology Llamaを提案する。
Llama 3 70Bモデルを使用して開発され、Radiology-GPTやRadiology-Llama2といった従来のドメイン固有モデルをベースにしている。
従来の指標とGPT-4に基づく評価の両方を取り入れた評価では,汎用LLMよりも高い性能を示す。
論文 参考訳(メタデータ) (2024-08-13T01:30:03Z) - BraTS-PEDs: Results of the Multi-Consortium International Pediatric Brain Tumor Segmentation Challenge 2023 [44.64458075448]
小児脳腫瘍に焦点を当てた第1回BraTS-PEDs 2023チャレンジの結果を報告する。
BraTS-PEDs 2023は、磁気共鳴画像による小児脳グリオーマの体積分割アルゴリズムの評価を目的とした。
小児腫瘍分析におけるトップパフォーマンスのAIアプローチには、nnU-NetとSwin UNETR、Auto3DSeg、あるいはnnU-Netの自己組織化フレームワークによるアンサンブルが含まれていた。
論文 参考訳(メタデータ) (2024-07-11T20:35:32Z) - RCdpia: A Renal Carcinoma Digital Pathology Image Annotation dataset based on pathologists [14.79279940958727]
腫瘍領域と隣接領域(RCdpia)を個別にラベル付けしたTCGAデジタル病理データセットを作成した。
このデータセットはhttp://39.171.241.18:8888/RCdpia/で公開されている。
論文 参考訳(メタデータ) (2024-03-17T13:23:25Z) - Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。
私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。
Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳(メタデータ) (2023-11-20T10:28:52Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - A Pilot Study of Relating MYCN-Gene Amplification with
Neuroblastoma-Patient CT Scans [14.442730976318726]
我々は、MYCN遺伝子増幅の有無を予測するために、複数の機械学習(ML)アルゴリズムを採用する。
このデータセットは、23人の神経芽腫患者の振り返りCT画像で構成されている。
CNNベースの方法は、事前訓練された畳み込みニューラルネットワークを使用し、放射能ベースの方法は放射能の特徴を抽出する。
論文 参考訳(メタデータ) (2022-05-21T15:14:24Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳(メタデータ) (2022-04-01T22:48:08Z) - Improving the Segmentation of Pediatric Low-Grade Gliomas through
Multitask Learning [0.1199955563466263]
低次グリオーマ(pLGGs)を有する小児患者のMRI(MRI)を訓練したセグメンテーションモデルを開発した。
提案モデルは,腫瘍の遺伝的変異分類器をメインネットワークに補助的タスクとして付加することにより,深層マルチタスク学習(dMTL)を利用する。
論文 参考訳(メタデータ) (2021-11-29T21:12:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。