UniToBrain 数据集：一个脑灌注数据集
图像与视频处理
2022-08-02 v1 计算机视觉与模式识别
机器学习
摘要
CT 灌注（CTP）是一种在逐像素基础上测量对比剂溶液团块通过大脑的医学检查。其目标是针对缺血性病变为迅速绘制“灌注图”（即脑血容量、脑血流和达峰时间），并能够区分核心与半暗带区域。在缺血性卒中的情境下，精确而快速的诊断可决定脑组织的命运，并指导紧急条件下的干预与治疗。本工作中我们呈现 UniToBrain 数据集，这是首个开源的 CTP 数据集。它包含一百多名患者的队列，并附有患者元数据和由最先进算法获得的真实标注图。我们还提出了一种基于神经网络的新型算法，分别使用欧洲库 ECVL 和 EDDL 进行图像处理和深度学习模型开发。神经网络模型所获得的结果与真实标注相符，并为潜在减少所需 CT 图数量的亚采样开辟了道路，而后者会对患者施加沉重的辐射剂量。
引用
@article{arxiv.2208.00650,
title = {UniToBrain dataset: a Brain Perfusion Dataset},
author = {Daniele Perlo and Enzo Tartaglione and Umberto Gava and Federico D'Agata and Edwin Benninck and Mauro Bergui},
journal= {arXiv preprint arXiv:2208.00650},
year = {2022}
}
备注
Workshop ICIAP 2021 - Deep-Learning and High Performance Computing to Boost Biomedical Applications