大规模多中心乳腺癌 DCE-MRI 基准数据集，包含专家分割标注
计算机视觉与模式识别
2025-03-20 v3 人工智能
数据库
摘要
乳腺癌磁共振成像（MRI）的人工智能（AI）研究由于专家标注的分割数据有限而面临挑战。为此，我们提出了一个包含 1506 例术前 T1 加权动态对比增强 MRI 的多中心数据集，包括原发肿瘤和非质化增强区域的专家注释。该数据集整合了 The Cancer Imaging Archive（TCIA）中的四个数据集合，其中仅有 163 例包含专家分割标注。为促进注释过程，我们训练了一个深度学习模型为其余案例生成初步分割结果。随后，这些结果被 16 名经验丰富（平均 9 年）的乳腺癌专家校正和验证，从而创建了一个完整标注的数据集。此外，数据集还包括 49 个协调后的临床和人口学变量，以及用于在标注数据上训练的基线 nnU-Net 模型的预训练权重。这一资源填补了公开乳腺癌数据集中的关键空白，使开发、验证和基准测试先进深度学习模型成为可能，从而推动乳腺癌诊断、治疗反应预测及个体化护理的进展。
引用
@article{arxiv.2406.13844,
title = {A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations},
author = {Lidia Garrucho and Kaisar Kushibar and Claire-Anne Reidel and Smriti Joshi and Richard Osuala and Apostolia Tsirikoglou and Maciej Bobowicz and Javier del Riego and Alessandro Catanese and Katarzyna Gwoździewicz and Maria-Laura Cosaka and Pasant M. Abo-Elhoda and Sara W. Tantawy and Shorouq S. Sakrana and Norhan O. Shawky-Abdelfatah and Amr Muhammad Abdo-Salem and Androniki Kozana and Eugen Divjak and Gordana Ivanac and Katerina Nikiforaki and Michail E. Klontzas and Rosa García-Dosdá and Meltem Gulsun-Akpinar and Oğuz Lafcı and Ritse Mann and Carlos Martín-Isla and Fred Prior and Kostas Marias and Martijn P. A. Starmans and Fredrik Strand and Oliver Díaz and Laura Igual and Karim Lekadir},
journal= {arXiv preprint arXiv:2406.13844},
year = {2025}
}
备注
15 paes, 7 figures, 3 tables