The RSNA Abdominal Traumatic Injury CT (RATIC) Dataset

RSNA腹部创伤损伤CT（RATIC）数据集是目前公开可用的最大成人腹部CT研究集合，其已经为创伤性损伤进行了注释。该数据集包含来自14个国家的23个机构的4,274个研究。该数据集可通过Kaggle免费获取，但仅限非商业用途。该数据集是为RSNA 2023腹部创伤检测竞赛而创建的，旨在鼓励开发先进的机器学习模型，以便在CT扫描中检测腹部损伤。该数据集涵盖了多个器官的创伤性损伤的检测和分类，包括肝脏、脾脏、肾脏、肠道和系膜。注释由美国急诊放射学会（ASER）和腹部放射学会（SAR）的专家放射科医师创建。该数据集在多个级别进行注释，包括三个实体器官中损伤的存在以及损伤分级、主动渗出和肠道损伤的图像级注释，以及每个潜在受损器官的体素级分割。通过发布此数据集，我们希望促进机器学习和腹部创伤的研究和发展，从而带来改善患者护理和预后的效果。

使用深度学习方法自动检测医学图像中的脊柱骨折。

论文提出了一种基于深度学习的方法，使用卷积神经网络（CNN）和循环神经网络（RNN）自动检测医学图像中的脊柱骨折。

论文使用了包含2,000张正常图像和1,000张骨折图像的数据集进行实验，并在测试集上达到了94.5%的准确率。此外，论文还比较了使用不同深度学习方法的性能，发现使用CNN和RNN的组合可以获得最佳结果。论文还开源了代码和数据集，为该领域的研究提供了有价值的资源。

最近的相关研究包括：“Automated Detection of Spinal Fractures in CT Images Using Deep Learning”和“Deep Learning for Automated Detection of Ankle Fractures on Radiographs”。