fastMRI+：膝关节和脑部全采样多线圈 MRI 数据的临床病理标注
图像与视频处理
2021-09-15 v2 计算机视觉与模式识别
机器学习
医学物理
摘要
通过新型重建方法提高磁共振成像 (MRI) 的速度和图像质量，仍然是深度学习在医学影像领域最具影响力的应用之一。fastMRI 数据集因其包含大量原始 MRI 数据而独树一帜，为使用基于深度学习的重建方法加速 MRI 带来了重大进展。尽管 fastMRI 数据集对医学影像领域的影响毋庸置疑，但该数据集目前缺乏临床专家病理标注，这对于构建临床相关的重建框架以及探索使用此类新方法渲染特定病理表现的重要问题至关重要。本工作介绍了 fastMRI+，它包含针对 fastMRI 膝关节数据集中 22 个不同病理类别的 16154 个亚专科专家边界框标注和 13 个研究级标签，以及针对 fastMRI 脑部数据集中 30 个不同病理类别的 7570 个亚专科专家边界框标注和 643 个研究级标签。fastMRI+ 数据集是开放获取的，旨在支持 MRI 重建及其他领域医学影像的进一步研究和进步。
引用
@article{arxiv.2109.03812,
title = {fastMRI+: Clinical Pathology Annotations for Knee and Brain Fully Sampled Multi-Coil MRI Data},
author = {Ruiyang Zhao and Burhaneddin Yaman and Yuxin Zhang and Russell Stewart and Austin Dixon and Florian Knoll and Zhengnan Huang and Yvonne W. Lui and Michael S. Hansen and Matthew P. Lungren},
journal= {arXiv preprint arXiv:2109.03812},
year = {2021}
}