論文の概要: TrackRAD2025 challenge dataset: Real-time tumor tracking for MRI-guided radiotherapy
- arxiv url: http://arxiv.org/abs/2503.19119v1
- Date: Mon, 24 Mar 2025 20:14:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:54:17.684281
- Title: TrackRAD2025 challenge dataset: Real-time tumor tracking for MRI-guided radiotherapy
- Title(参考訳): TrackRAD2025 Challenge data: Real-time tumor tracking for MRI-guided radiotherapy
- Authors: Yiling Wang, Elia Lombardo, Adrian Thummerer, Tom Blöcker, Yu Fan, Yue Zhao, Christianna Iris Papadopoulou, Coen Hurkmans, Rob H. N. Tijssen, Pia A. W. Görts, Shyama U. Tetar, Davide Cusumano, Martijn P. W. Intven, Pim Borman, Marco Riboldi, Denis Dudáš, Hilary Byrne, Lorenzo Placidi, Marco Fusella, Michael Jameson, Miguel Palacios, Paul Cobussen, Tobias Finazzi, Cornelis J. A. Haasbeek, Paul Keall, Christopher Kurz, Guillaume Landry, Matteo Maspero,
- Abstract要約: このデータセットは、6つのセンターから585人の患者に2D cine MRIの矢状画像から作成されている。
より正確な運動管理と適応的な治療戦略を可能にすることにより、このデータセットは放射線治療の分野を著しく前進させる可能性がある。
- 参考スコア(独自算出の注目度): 2.45070347370137
- License:
- Abstract: Purpose: Magnetic resonance imaging (MRI) to visualize anatomical motion is becoming increasingly important when treating cancer patients with radiotherapy. Hybrid MRI-linear accelerator (MRI-linac) systems allow real-time motion management during irradiation. This paper presents a multi-institutional real-time MRI time series dataset from different MRI-linac vendors. The dataset is designed to support developing and evaluating real-time tumor localization (tracking) algorithms for MRI-guided radiotherapy within the TrackRAD2025 challenge (https://trackrad2025.grand-challenge.org/). Acquisition and validation methods: The dataset consists of sagittal 2D cine MRIs in 585 patients from six centers (3 Dutch, 1 German, 1 Australian, and 1 Chinese). Tumors in the thorax, abdomen, and pelvis acquired on two commercially available MRI-linacs (0.35 T and 1.5 T) were included. For 108 cases, irradiation targets or tracking surrogates were manually segmented on each temporal frame. The dataset was randomly split into a public training set of 527 cases (477 unlabeled and 50 labeled) and a private testing set of 58 cases (all labeled). Data Format and Usage Notes: The data is publicly available under the TrackRAD2025 collection: https://doi.org/10.57967/hf/4539. Both the images and segmentations for each patient are available in metadata format. Potential Applications: This novel clinical dataset will enable the development and evaluation of real-time tumor localization algorithms for MRI-guided radiotherapy. By enabling more accurate motion management and adaptive treatment strategies, this dataset has the potential to advance the field of radiotherapy significantly.
- Abstract(参考訳): 目的: 放射線治療で癌患者を治療する際には, 解剖学的動きを可視化するMRIがますます重要になっている。
ハイブリッドMRI-リニア加速器(MRI-linac)システムは、照射中のリアルタイムモーション管理を可能にする。
本稿では,異なるMRIライナックベンダーによる複数施設のリアルタイムMRI時系列データセットを提案する。
このデータセットは、TrackRAD2025チャレンジ(https://trackrad2025.grand-challenge.org/)の中でMRI誘導放射線治療のためのリアルタイム腫瘍局在(追跡)アルゴリズムの開発と評価をサポートするように設計されている。
取得と検証方法: このデータセットは、オランダ人3人、ドイツ人1人、オーストラリア人1人、中国人1人のうち、585人の患者から得られた2D cine MRIから成り立っている。
胸部,腹部,骨盤に2つのMRIライナック(0.35T,1.5T)の腫瘍を認めた。
108例では, 各側頭骨に照射目標または追跡サロゲートを手動で分割した。
データセットはランダムに527件(ラベルなし477件、ラベル付き50件)の公開トレーニングセットと58件(すべてラベル付き)のプライベートテストセットに分割された。
Data Format and Usage Notes: このデータはTrackRAD2025コレクションで公開されている。
各患者のイメージとセグメンテーションは、メタデータ形式で提供されている。
応用可能性:この新たな臨床データセットは、MRI誘導放射線治療のためのリアルタイム腫瘍局在化アルゴリズムの開発と評価を可能にする。
より正確な運動管理と適応的な治療戦略を可能にすることにより、このデータセットは放射線治療の分野を著しく前進させる可能性がある。
関連論文リスト
- LUND-PROBE -- LUND Prostate Radiotherapy Open Benchmarking and Evaluation dataset [0.0]
MRI誘導放射線療法を施行した前立腺癌432例に対する、MRIおよび合成CT(sCT)画像、ターゲットおよびOARsセグメンテーション、線量放射線療法を含む、一般に利用可能な臨床データセットが提示される。
また、深層学習(DL)生成セグメンテーション、DLセグメンテーションの不確実性マップ、および4人の放射線腫瘍学者によって手動で調整されたDLセグメンテーションなど、35人の患者による拡張データセットも含んでいる。
本論文は, 自動放射線治療計画, セグメンテーション, サーバ間分析, DLモデル不確実性調査の分野における研究を支援することを目的としている。
論文 参考訳(メタデータ) (2025-02-06T20:44:42Z) - 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) - ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke [2.7919032539697444]
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、社会経済的重荷を負っている。
脳卒中画像から有意義で再現可能な脳機能のモデルを抽出できる機械学習アルゴリズムを開発する。
このデータセットは, 血管造影と灌流による急性CT像, 2~9日間の経過観察, 急性期, 慢性期の臨床データなど, 経時的脳梗塞の包括的データとして初めて提供された。
論文 参考訳(メタデータ) (2024-08-20T18:59:52Z) - 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) - Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。
それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。
ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
論文 参考訳(メタデータ) (2024-05-28T17:25:43Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - SynthRAD2023 Grand Challenge dataset: generating synthetic CT for
radiotherapy [0.0]
本稿では,厳密に登録されたCBCTおよびMRI画像を用いた脳・骨盤CT画像のデータセットについて述べる。
このデータセットは、オランダの3つの大学医療センターの540人の脳と540人の骨盤放射線治療患者のCT、CBCT、MRIで構成されている。
論文 参考訳(メタデータ) (2023-03-28T21:38:25Z) - Integrative Imaging Informatics for Cancer Research: Workflow Automation
for Neuro-oncology (I3CR-WANO) [0.12175619840081271]
我々は,多系列ニューロオンコロジーMRIデータの集約と処理のための人工知能ベースのソリューションを提案する。
エンド・ツー・エンドのフレームワーク i) アンサンブル分類器を用いてMRIの配列を分類し, i) 再現可能な方法でデータを前処理し, iv) 腫瘍組織サブタイプを規定する。
欠落したシーケンスに対して堅牢であり、専門的なループアプローチを採用しており、セグメンテーションの結果は放射線学者によって手動で洗練される可能性がある。
論文 参考訳(メタデータ) (2022-10-06T18:23:42Z) - 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) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z)
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。