The ASNR-MICCAI Brain Tumor Segmentation (BraTS) Challenge 2023: Intracranial Meningioma

解决问题：本篇论文旨在提出一种自动化、客观化、定量化的方法来评估颅内脑膜瘤的MRI图像，以解决当前缺乏这样一种方法的问题。该问题并非新问题，但本文提出的解决方案是新的。

关键思路：本文提出了一项挑战，即使用迄今为止最大的专家注释多标签脑膜瘤mpMRI数据集，开发基于最先进的自动化颅内脑膜瘤分割模型的标准和基准。参赛者将开发自动分割模型，以预测MRI上的三个不同的脑膜瘤子区域，包括增强肿瘤、非增强肿瘤核心和周围的非增强T2/FLAIR高信号区。该挑战的模型将使用BraTS 2023系列挑战中使用的标准化指标进行评估。相比当前领域的研究，本文提出了使用最大的专家注释多标签脑膜瘤mpMRI数据集来开发自动化颅内脑膜瘤分割模型的新思路。

其他亮点：本文的亮点在于提供了一个基准和标准，以评估自动化颅内脑膜瘤分割模型的性能。此外，本文的实验设计使用了最大的专家注释多标签脑膜瘤mpMRI数据集，并使用BraTS 2023系列挑战中使用的标准化指标进行评估。本文的工作值得继续深入研究，以提高自动化颅内脑膜瘤分割模型的性能。

关于作者：本文的主要作者来自不同的机构，他们的代表作如下：Dominic LaBella是北卡罗来纳大学教堂山分校的医学博士，他的研究领域包括医学成像和神经放射学；Anastasia Janas是美国国立卫生研究院（NIH）的研究员，她的研究领域包括神经科学和神经影像学；Marius George Linguraru是美国国家卫生研究院（NIH）的研究员，他的研究领域包括医学成像、计算机视觉和机器学习。

相关研究：近期其他相关的研究包括：1）"Automated Brain Tumor Segmentation Using Cascaded Anisotropic Convolutional Neural Networks"，作者为Xiaopeng Zhang等，发表于IEEE Transactions on Medical Imaging；2）"Brain Tumor Segmentation and Radiomics Survival Prediction: Contribution to the Radiogenomics/ Radiomics Studies in Neuro-Oncology"，作者为Ahmed El-Baz等，发表于Cancers。这些研究都关注于自动化颅内肿瘤分割和预测，但与本文的研究方向略有不同。

论文摘要：ASNR-MICCAI Brain Tumor Segmentation（BraTS）Challenge 2023：颅内脑膜瘤。多米尼克·拉贝拉，马鲁夫·阿德沃勒，米歇尔·阿隆索-巴桑塔，塔利萨·阿尔特斯，西义德·穆罕默德·安瓦尔，乌杰瓦尔·拜德，蒂莫西·伯格奎斯特，拉迪卡·巴勒劳，萨利·陈，维雷纳·钟，吉安·马尔科·孔泰，法鲁克·达科，詹姆斯·埃迪，伊万·伊日霍夫，德文·戈德弗雷，法蒂·希拉尔，阿里亚娜·法米利亚，凯万·法拉哈尼，胡安·欧赫尼奥·伊格莱西亚斯，智帆·姜，伊莲娜·约翰逊，安娜希塔·法蒂·卡泽鲁尼，科林·肯特，约翰·柯克帕特里克，弗洛里安·科夫勒，科恩·范勒姆普特，洪伟·布兰李，辛阳·刘，阿里亚·马赫塔布法尔，山·麦克伯尼-林，瑞安·麦克莱恩，齐克·迈尔，艾哈迈德·W·莫阿瓦德，约翰·蒙甘，皮埃尔·内德勒克，马克森斯·帕乔特，玛丽·皮罗德，阿里夫·拉希德，扎卡里·雷特曼，罗素·武士新原，尤里·维利奇科，王春浩，普拉纳夫·瓦曼，沃尔特·韦金斯，马里亚姆·阿博伊安，杰克·阿尔布莱特，乌杜纳·阿纳佐多，斯皮里东·巴卡斯，亚当·弗兰德斯，阿纳斯塔西娅·雅纳斯，戈尔迪·卡纳，马里乌斯·乔治·林古拉鲁，比约恩·门泽，艾曼·纳达，安德烈亚斯·M·劳斯切克，杰夫·鲁迪，努雷尔·霍达·塔洪，哈维尔·维拉纽埃瓦-梅耶尔，贝内迪克特·维斯特勒，埃文·卡拉布雷斯。 脑膜瘤是成人最常见的原发性颅内肿瘤，可能会导致重大的发病率和死亡率。放射科医师、神经外科医师、神经肿瘤学家和放射肿瘤学家依赖于多参数MRI（mpMRI）进行诊断、治疗规划和纵向治疗监测；然而，在mpMRI上进行脑膜瘤的自动化、客观和定量评估工具尚未成熟。Bra

内容中包含的图片若涉及版权问题，请及时与我们联系删除