Online database of clinical MR and ultrasound images of brain tumors
Notice bibliographique
Résumé
PURPOSE: One of the important challenges in the field of medical imaging is finding real clinical images with which to validate new image processing algorithms. This is particularly true for tracked 3D ultrasound images of the brain. METHODS: In 2010, pre- and postoperative magnetic resonance and intraoperative ultrasound images were acquired from brain tumor patients involved in the authors' imaging study at the Montreal Neurological Institute. RESULTS: These data are available online at the Montreal Neurological Institute's Brain Images of Tumors for Evaluation database, termed here the MNI BITE database. It contains ultrasound and magnetic resonance images from 14 patients. Each patient underwent a preoperative and a postoperative T1-weighted magnetic resonance scan with gadolinium enhancement, and multiple intraoperative B-mode images were acquired before and after resection. Corresponding features were manually selected in some image pairs for validation. All images are in MINC format, the file format used at the authors' institute for image processing. The MINC tools are available for free download at packages.bic.mni.mcgill.ca. CONCLUSIONS: This is the first online database of its kind. These images can be used by image processing scientists as well as clinicians wishing to compare findings from magnetic resonance and ultrasound imaging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».