論文の概要: ISLES'24 -- A Real-World Longitudinal Multimodal Stroke Dataset

• arxiv url: http://arxiv.org/abs/2408.11142v2
• Date: Sun, 06 Jul 2025 08:42:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.089465
• Title: ISLES'24 -- A Real-World Longitudinal Multimodal Stroke Dataset
• Title（参考訳）: ISLES'24 - リアルタイムマルチモーダルストローク・データセット
• Authors: Evamaria Olga Riedel, Ezequiel de la Rosa, The Anh Baran, Moritz Hernandez Petzsche, Hakim Baazaoui, Kaiyuan Yang, Fabio Antonio Musio, Houjing Huang, David Robben, Joaquin Oscar Seia, Roland Wiest, Mauricio Reyes, Ruisheng Su, Claus Zimmer, Tobias Boeckh-Behrens, Maria Berndt, Bjoern Menze, Daniel Rueckert, Benedikt Wiestler, Susanne Wegener, Jan Stefan Kirschke,
• Abstract要約: ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を伴っている。 脳卒中画像から脳機能の正確なモデルを作成する機械学習アルゴリズムの開発には、大きく、多様で、注釈付けされたパブリックデータセットが必要である。 このマルチセンターデータセットは245のケースで構成され、臨床的な意思決定を容易にする強力な機械学習アルゴリズムを開発するための基盤となっている。
• 参考スコア（独自算出の注目度）: 9.501255615225428
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Stroke remains a leading cause of global morbidity and mortality, imposing a heavy socioeconomic burden. Advances in endovascular reperfusion therapy and CT and MR imaging for treatment guidance have significantly improved patient outcomes. Developing machine learning algorithms that can create accurate models of brain function from stroke images for tasks like lesion identification and tissue survival prediction requires large, diverse, and well annotated public datasets. While several high-quality image datasets in stroke exist, they include only single time point data. Data over different time points are essential to accurately identify lesions and predict prognosis. Here, we provide comprehensive longitudinal stroke data, including (sub-)acute CT imaging with angiography and perfusion, follow-up MRI after 2-9 days, and acute and longitudinal clinical data up to a three-month outcome. The dataset also includes vessel occlusion masks from acute CT angiography and delineated infarction masks in follow-up MRI. This multicenter dataset consists of 245 cases and is a solid basis for developing powerful machine-learning algorithms to facilitate clinical decision-making.
• Abstract（参考訳）: ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を伴っている。 治療指導のための血管再灌流療法とCTおよびMRIの進歩により,患者の予後は有意に改善した。 脳卒中画像から脳機能の正確なモデルを作成する機械学習アルゴリズムの開発は、病変の識別や組織生存予測といったタスクには、大きく、多様で、注釈付きの良いパブリックデータセットが必要である。 ストローク内の高品質な画像データセットはいくつか存在するが、それらは単一のポイントデータのみを含む。 異なる時点にわたるデータは、病変を正確に識別し、予後を予測するために不可欠である。 今回われわれは, 血管造影と灌流を併用した (sub-)acute CT, 2～9日後のMRI, 3カ月後の急性期, 慢性期臨床データを含む, 経時的脳梗塞の包括的データについて報告する。 データセットには、急性CT血管造影による血管閉塞マスクと、その後MRIにおける脱線性梗塞マスクも含まれている。 このマルチセンターデータセットは245のケースで構成され、臨床的な意思決定を容易にする強力な機械学習アルゴリズムを開発するための基盤となっている。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• ISLES'24: Improving final infarct prediction in ischemic stroke using multimodal imaging and clinical data [3.2816454618159008]
  本研究はISLES'24課題であり, 術前急性期脳梗塞画像と臨床データから最終治療後の脳梗塞予測に対処するものである。 本研究の貢献は2つある: まず, ISLES'24チャレンジを通じて最終脳梗塞セグメンテーションアルゴリズムの標準化ベンチマークを導入する; 次に, マルチモーダルイメージングと臨床データ戦略を用いた梗塞セグメンテーションに関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-08-20T16:01:05Z)
• Predicting recovery following stroke: deep learning, multimodal data and feature selection using explainable AI [3.797471910783104]
  主な課題は、ニューロイメージングデータの非常に高次元性と、学習に利用可能なデータセットの比較的小さなサイズである。 我々は、MRIから抽出された関心領域を組み合わせた画像に対して、畳み込みニューラルネットワーク(CNN)を訓練する新しいアプローチを導入する。 病院のスキャナーの画像を用いて、現在のモデルがどのように改善され、さらに高いレベルの精度が得られるかを提案する。
  論文  参考訳（メタデータ） (2023-10-29T22:31:20Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• ISLES 2022: A multi-center magnetic resonance imaging stroke lesion segmentation dataset [36.278933802685316]
  このデータセットは、脳卒中病変の大きさ、量、位置の多様性が高い400のマルチベンダーMRI症例からなる。 n=250のトレーニングデータセットとn=150のテストデータセットに分けられる。 テストデータセットはモデル検証のみに使用され、一般にはリリースされない。
  論文  参考訳（メタデータ） (2022-06-14T08:54:40Z)
• Multi-confound regression adversarial network for deep learning-based diagnosis on highly heterogenous clinical data [1.2891210250935143]
  我々は、高度に異種な臨床データに基づいてディープラーニングモデルを訓練するための新しいディープラーニングアーキテクチャ、MUCRANを開発した。 われわれは、2019年以前にマサチューセッツ総合病院から収集した16,821個の臨床T1軸性脳MRIを用いてMUCRANを訓練した。 このモデルでは,新たに収集したデータに対して90%以上の精度で頑健な性能を示した。
  論文  参考訳（メタデータ） (2022-05-05T18:39:09Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• Prediction of Thrombectomy Functional Outcomes using Multimodal Data [2.358784542343728]
  本稿では,マルチモーダルデータを直接活用し,血管内治療の成功を推定するための新しいディープラーニング手法を提案する。 我々は、チャネルワイドおよび空間的にグローバルな特徴間距離をモデル化するためのアテンションメカニズムをアーキテクチャに組み込んだ。
  論文  参考訳（メタデータ） (2020-05-26T21:51:58Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。