HCC MRI Image Marking Data Set - Long Hui Tech Data Products

لمحة عامة عن البيانات

اسم البيانات	مجموعة بيانات متعددة الجوانب
مجموع حجم البيانات	800 52 حالة (بصورة موثقة 3.17 مليون إطار)
شكل البيانات	DICOM 3.0/ NifTI/ JSON label
序列类型	T1WI / T2WI / DWI / ADC / DCE Multi-stage enhancement
المصدر	وحدة علم الإشعاع في المرفق الطبي التعاوني (معظم المعالم، مكياج متعددة، تصاريح أخلاقية)
طريقة الشروح	وضع علامات مستقلة على اثنين من علماء الأشعة + واحد من كبار الأطباء
隐私保护	DICOM Head Information Desensitization, facial characterization, HIPAA/GDPR
تحديث التردد	الزيادات الفصلية، المتوسط السنوي للزيادة 000 8 - 000 12

الوصف التفصيلي لمذكرات البيانات

الاسم الميداني	نوع البيانات	درجة القيمة/الوصف
patient_id	String(32)	IID, Format: P{center}{seq}
study_uid	String(64)	وحدة المعلومات الأساسية
age_group	Enum	18-30 / 31-45 / 46-60 / 61-75 / 76+
gender	Enum	M / F
sequence_type	Enum	T1WI \| T2WI \| DWI \| ADC \| DCE_ART \| DCE_PVP \| DCE_DELAY
slice_thickness	Float	1.0 - 8.0 mm
pixel_spacing	Array[2]	[x_spacing, y_spacing] mm
matrix_size	Array[2]	[256-1024, 256-1024]
lesion_label	Enum	HCC \| ICC \| MET \| HEM \| FNH \| CYST \| NORMAL
li_rads	Enum	LR-1 \| LR-2 \| LR-3 \| LR-4 \| LR-5 \| LR-M \| LR-TIV
lesion_size	Object	{long_axis_mm, short_axis_mm, volume_ml}
segmentation	Array	إحداثيات مناديل بوليغون (إحداثيات فيزياء، مم)
seg_mask_path	String	Split the mask NiffTI file relative path
b_value	Integer	صفر/50/400/ 800/000 1000 (مجلس التصفيات)
annotator_consensus	Float	معامل الترسبات بين الملصقات: 0.0 - 1.0
qc_status	Enum	PASS \| FLAGGED \| REJECTED

De-identified JSON Data Sample

[ { "patient_id": "P01A003824", "study_uid": "1.2.840.113619.x.masked.240518.001", "age_group": "46-60", "gender": "M", "sequence_type": "DCE_ART", "slice_thickness": 3.0, "pixel_spacing": [0.68, 0.68], "matrix_size": [512, 512], "lesion_label": "HCC", "li_rads": "LR-5", "lesion_size": {"long_axis_mm": 42.3, "short_axis_mm": 28.7, "volume_ml": 18.2}, "segmentation": [[125.3, 210.7], [130.1, 215.2], [128.9, 220.8], [120.5, 218.4], [118.2, 212.0]], "seg_mask_path": "masks/P01A003824_DCE_ART_HCC.nii.gz", "annotator_consensus": 0.92, "qc_status": "PASS" }, { "patient_id": "P02B015637", "study_uid": "1.2.840.113619.x.masked.240312.002", "age_group": "31-45", "gender": "F", "sequence_type": "T2WI", "slice_thickness": 5.0, "pixel_spacing": [0.94, 0.94], "matrix_size": [384, 384], "lesion_label": "HEM", "li_rads": "LR-1", "lesion_size": {"long_axis_mm": 12.1, "short_axis_mm": 8.5, "volume_ml": 0.46}, "segmentation": [[340.5, 155.2], [345.8, 158.0], [343.1, 162.7], [338.2, 160.1]], "seg_mask_path": "masks/P02B015637_T2WI_HEM.nii.gz", "annotator_consensus": 0.88, "qc_status": "PASS" }, { "patient_id": "P03C027419", "study_uid": "1.2.840.113619.x.masked.240115.003", "age_group": "61-75", "gender": "M", "sequence_type": "DWI", "slice_thickness": 5.0, "pixel_spacing": [1.17, 1.17], "matrix_size": [256, 256], "b_value": 800, "lesion_label": "ICC", "li_rads": "LR-M", "lesion_size": {"long_axis_mm": 55.8, "short_axis_mm": 41.2, "volume_ml": 49.6}, "segmentation": [[89.2, 78.4], [95.6, 82.1], [94.8, 88.7], [87.3, 91.5], [82.1, 85.2]], "seg_mask_path": "masks/P03C027419_DWI_ICC.nii.gz", "annotator_consensus": 0.95, "qc_status": "PASS" }, { "patient_id": "P01A003825", "study_uid": "1.2.840.113619.x.masked.240518.004", "age_group": "46-60", "gender": "M", "sequence_type": "DCE_PVP", "slice_thickness": 3.0, "pixel_spacing": [0.68, 0.68], "matrix_size": [512, 512], "lesion_label": "HCC", "li_rads": "LR-5", "lesion_size": {"long_axis_mm": 40.1, "short_axis_mm": 26.9, "volume_ml": 15.2}, "segmentation": [[122.0, 208.1], [127.1, 213.0], [126.3, 218.2], [118.0, 216.0], [115.5, 209.8]], "seg_mask_path": "masks/P01A003825_DCE_PVP_HCC.nii.gz", "annotator_consensus": 0.93, "qc_status": "PASS" }, { "patient_id": "P04D008992", "study_uid": "1.2.840.113619.x.masked.240707.005", "age_group": "76+", "gender": "F", "sequence_type": "DCE_DELAY", "slice_thickness": 4.0, "pixel_spacing": [0.82, 0.82], "matrix_size": [480, 480], "lesion_label": "NORMAL", "li_rads": "LR-1", "lesion_size": null, "segmentation": null, "seg_mask_path": null, "annotator_consensus": null, "qc_status": "PASS" } ]

标注规范与质量控制

معايير الشروح

تصنيف المرض حسب تشخيص المرض في أعقاب معايير التشخيص الخاصة بمقياس LI-RADS v2018
تفرقوا مع البطاقة باستخدام مقاس واحد من كل طبقة على حدة، قيم متقطعة
وتستند مواءمة المجموعات المتعددة إلى فترة الشريان المعززة التي تمر بها مبادرة T1WI، والتصلب + مواءمة التقادم، والتدابير المماثلة للصغيرة
أداة الدمج: ITK-SNAP / 3D Slicer، الناتج الموحد في شكل نظام إن إف تي

质控流程（三级质检）

一级自检：بعد أن قام الطبيب بالعلامة، يفحص جميع القضايا ويصحح الخطأ الواضح.
二级互检：وفحص طبيب آخر من الأقران، وهو ديس، وعاد 0.80 إلى مركز إعادة التأهيل.
فحوص الخبراء على المستوى الثالث:يستخرج رئيس الأطباء عشوائياً 15% من مجموع عدد القضايا، المعدل المتناسق عموماً؟
تماسك التمرد:معامل تصنيف كابا

مقاييس الجودة

99.2%

数据完整率

0.92

متوسط معامل الترميز

0.87

LI-RADS Kappa

<1.5%

退标率

حالات استخدام التدريب

اختبار التهاب الكبد وتصنيفه

نموذج تطبيق: NU-Net / YOLOv8-3D/SwinUNETR/MONAI. A multi-sequence calibration image-to-end screening of Cookstoves and LI-RADS automatic classification model, FROC ' g; 0.85 clinical standards acceptable.

3D الصورة الطبية

نموذج التطبيق: NU-Net / SegResNet / UNETR / MedSAM. Translating polygonal labels into a 3D bodyware mask to provide semantic divisionting training in support of multiple categories (HCC/ICC/HEM, etc.).

المواءمة والتكامل بين المجموعات المتعددة

نموذج التطبيق: VoxelMorph / TransMorph / LapirN. Using the labels, training in a deformable network with multi-series data is provided, autospace aligns the different series MRI images.

影像组学与预后预测

نماذج تطبيق: مادة الصواريخ (PyRadiomics) +XGBoost/ Random Forest - Extract 1000+D image group features from the partition mask, build models such as HCC Post-Reactivation Forecast, MVI Status Classification, etc.

الحصول على هذه البيانات

وتوفر مجموعات بيانات الصور التي يلتقطها المركز المغناطيسي المغناطيسي أذوناً تجارية، بما في ذلك وثائق الوسم الكاملة والصور المضللة التي تصدرها اللجنة.

137-5502-0164 المشاورة على الإنترنت

مجموعات البيانات ذات الصلة

قيمة التطبيق التجاري

ألف - منتجات التشخيص المعانة

أما تدريب نظام الكبد الذي يوجد مقره في المؤسسة، والذي تدعمه مجموعات بيانات قياسية مطلوبة للموافقة على ثلاثة أنواع من الشهادات، فهو أكثر من 5 بلايين دولار.

影像云平台

وحدة الإبلاغ المهيكلة الذكية ومراقبة الجودة التي تُدمج في نظام السحب الخاص بـ (بي سي إس) تعزز كفاءة القسم في الإبلاغ بأكثر من 40% وتقلل من معدل التسرب

التجارب السريرية لمصانع المستحضرات الصيدلانية

يوفر بيانات مرجعية مستقلة لتقييم الصور بالنسبة للمختبرات السريرية للأدوية/المعالجة العقلية بالنسبة لأهداف سرطان الكبد ويعجل بعملية الموافقة على المخدرات.

HCC MRIالتصويرتوسيممجموعة البيانات