The Cancer Imaging Archive
PulseAugur coverage of The Cancer Imaging Archive — every cluster mentioning The Cancer Imaging Archive across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
胶质母细胞瘤数据集 CFB-GBM v2.0 增强了完整的 GTV 分割
研究人员发布了 CFB-GBM v2.0，这是一个用于胶质母细胞瘤研究的扩展数据集，现已包含 264 名患者的完整肿瘤体积 (GTV) 描绘。该数据集可在 The Cancer Imaging Archive 上获取，使用 nnU-Net 模型进行分割，并提供衍生的 volumetric RANO 2.0 反应标签。此外，它还包括预先计算的大脑掩码和影像组学特征，以促进可复现的计算方法，用于治疗反应预测和疾病进展建模。
-
新的SPARC-Rad基准测试用于评估放射学VLMs的空间推理能力
研究人员开发了SPARC-Rad，这是一个新的基准数据集和评估流程，旨在评估医学影像领域的视觉语言模型（VLMs）的空间和解剖推理能力。与专注于疾病分类或一般问答的现有基准不同，SPARC-Rad专门针对放射学解读所需的解剖结构及其空间关系的细微理解。该数据集包含300个图像-问题对，来源于健康对照组的影像学研究，涵盖CT、MRI和放射线摄影等多种模态，涉及多个解剖区域。该框架旨在通过提供标准化的评估和对其推理能力的详细分析，来支持放…
-
新的 LaryngealCT 数据集为癌症分期深度学习设定基准
研究人员开发了 LaryngealCT，这是一个用于使用深度学习模型对喉癌进行分期的新基准数据集。该数据集包含从癌症影像数据库 (The Cancer Imaging Archive) 收集的 1,029 张 CT 扫描图像，并已用于对六种不同的 3D 深度学习架构进行基准测试。定制的 3D CNN 在对癌症早期与晚期进行分类时取得了最佳性能，而其他模型在识别 T4 期疾病方面显示出潜力，尽管对这一晚期疾病的敏感性仍然是一个挑战。
-
医疗基础模型在肾脏病变CT分析方面落后于放射组学
一项新的基准研究评估了三种医疗基础模型（FMs）在CT扫描中对肾脏病变进行分层的有效性。虽然基础模型显示出潜力，其性能与从头训练的3D ResNet相当，且计算能力要求显著降低，但它们并未超越传统的放射组学分类器。研究表明，当前通用的基础模型嵌入可能尚未捕捉到区分病变亚型至关重要的详细纹理和形状变化，因此放射组学仍然是该特定任务的当前最先进技术。