HyperAIHyperAI

Command Palette

Search for a command to run...

تحدي ULS23: نموذج أساسي ومجموعة بيانات معيارية لتقسيم الآفات الشاملة ثلاثية الأبعاد في التصوير المقطعي المحوسب

M.J.J. de Grauw E.Th. Scholten E.J. Smit M.J.C.M. Rutten M. Prokop B. van Ginneken A. Hering

الملخص

إن قياسات حجم الآفات الورمية في الفحوصات المقطعية التالية للعلاج تُعدّ حاسمة لتقييم نتائج العلاج لدى مرضى السرطان. ويمكن أن يُسرّع التجزئة الفعّالة للآفات من تدفقات العمل الإشعاعية. وعلى الرغم من وجود العديد من المعايير والتحديات التي تتناول تجزئة الآفات في أعضاء محددة مثل الكبد والكليتين والرئتين، فإن التنوّع الأكبر للأنواع المختلفة للآفات التي تُواجه في الممارسة السريرية يستدعي نهجًا أكثر شمولية. ولسد هذه الفجوة، قمنا بطرح معيار ULS23 للتجزئة ثلاثية الأبعاد للآفات في فحوصات الأشعة المقطعية للصدر والبطن والحوض. يحتوي مجموعة التدريب الخاصة بـ ULS23 على 38,693 آفة في هذه المنطقة، بما في ذلك آفات صعبة مثل آفات البنكرياس والقولون والعظام. ولأغراض التقييم، جمعنا مجموعة بيانات تتضمن 775 آفة من 284 مريضًا، حيث تم تحديد كل آفة كآفة هدف في سياق سريري، مما يضمن تنوعًا وذات صلة سريرية عالية داخل هذه المجموعة. يُتاح معيار ULS23 للجمهور عبر الموقع الإلكتروني uls23.grand-challenge.org، مما يمكّن الباحثين من جميع أنحاء العالم من تقييم أداء أساليبهم في التجزئة. علاوةً على ذلك، طوّرنا ونشرنا بشكل عام نموذجًا أساسيًا للتجزئة ثلاثية الأبعاد للآفات باستخدام منهجية التعلم شبه المراقب. وقد حقق هذا النموذج متوسط معامل دايكس قدره 0.703 ± 0.240 على مجموعة اختبار التحدي. وندعو باستمرار إلى تقديم مساهمات جديدة لتعزيز تطوير النماذج المستقبلية لـ ULS.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp