A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations

要約

乳がん磁気共鳴画像法（MRI）の人工知能（AI）研究は、限られた専門家標識セグメンテーションのために課題に直面しています。
これに対処するために、原発腫瘍および非質量強化領域の専門家注釈を含む、1506の前治療前処理T1強調造影MRI症例の多施設データセットを提示します。
データセットは、がんイメージングアーカイブ（TCIA）の4つのコレクションからのイメージングデータを統合し、最初にエキスパートセグメンテーションを備えた163症例しか利用できませんでした。
注釈プロセスを容易にするために、残りのケースの予備的なセグメンテーションを作成するために、深い学習モデルが訓練されました。
その後、これらは16人の乳がんの専門家（平均9年の経験）によって修正および検証され、完全に注釈付きのデータセットが作成されました。
さらに、データセットには、注釈付きデータでトレーニングされたベースラインNNU-NETモデルの事前に訓練された重みと同様に、49の調和した臨床および人口統計学的変数が含まれています。
このリソースは、公開されている乳がんデータセットの重大なギャップに対処し、高度な深い学習モデルの開発、検証、ベンチマークを可能にし、乳がん診断、治療反応予測、およびパーソナライズされたケアの進歩を促進します。

要約(オリジナル)

Artificial Intelligence (AI) research in breast cancer Magnetic Resonance Imaging (MRI) faces challenges due to limited expert-labeled segmentations. To address this, we present a multicenter dataset of 1506 pre-treatment T1-weighted dynamic contrast-enhanced MRI cases, including expert annotations of primary tumors and non-mass-enhanced regions. The dataset integrates imaging data from four collections in The Cancer Imaging Archive (TCIA), where only 163 cases with expert segmentations were initially available. To facilitate the annotation process, a deep learning model was trained to produce preliminary segmentations for the remaining cases. These were subsequently corrected and verified by 16 breast cancer experts (averaging 9 years of experience), creating a fully annotated dataset. Additionally, the dataset includes 49 harmonized clinical and demographic variables, as well as pre-trained weights for a baseline nnU-Net model trained on the annotated data. This resource addresses a critical gap in publicly available breast cancer datasets, enabling the development, validation, and benchmarking of advanced deep learning models, thus driving progress in breast cancer diagnostics, treatment response prediction, and personalized care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google