ISLES'24 — 一个真实世界的纵向多模态中风数据集
计算机视觉与模式识别
2025-07-08 v2
摘要
中风仍然是全球发病率和死亡率的主要原因，带来了沉重的社会经济负担。血管内再灌注治疗技术的进步以及用于治疗引导的 CT 和 MR 成像显著改善了患者结局。开发能够从卒中图像中创建大脑功能准确模型的机器学习算法，用于病灶识别和组织存活预测等任务，需要大规模、多样化且标注良好的公开数据集。虽然存在多个高质量的卒中图像数据集，但它们仅包含单时间点数据。不同时间点的数据对于准确识别病灶和预测预后至关重要。这里，我们提供了全面的纵向卒中数据，包括（亚）急性 CT 成像（含血管造影和灌注）、2-9 天后的随访 MRI，以及急性期和纵向临床数据，最长达三个月的结局。该数据集还包括急性 CT 血管造影的血管闭塞掩膜和随访 MRI 中的梗死轮廓掩膜。这个多中心数据集包含 245 个病例，是开发强大的机器学习算法以辅助临床决策的坚实基础。
引用
@article{arxiv.2408.11142,
title = {ISLES'24 -- A Real-World Longitudinal Multimodal Stroke Dataset},
author = {Evamaria Olga Riedel and Ezequiel de la Rosa and The Anh Baran and Moritz Hernandez Petzsche and Hakim Baazaoui and Kaiyuan Yang and Fabio Antonio Musio and Houjing Huang and David Robben and Joaquin Oscar Seia and Roland Wiest and Mauricio Reyes and Ruisheng Su and Claus Zimmer and Tobias Boeckh-Behrens and Maria Berndt and Bjoern Menze and Daniel Rueckert and Benedikt Wiestler and Susanne Wegener and Jan Stefan Kirschke},
journal= {arXiv preprint arXiv:2408.11142},
year = {2025}
}