PHE-SICH-CT-IDS

PHE-SICH-CT-IDS是由东北大学医学与生物信息工程学院显微图像与医学图像分析组开发的公开CT图像数据集，专注于自发性脑内出血中的血肿周围水肿（PHE）。该数据集包含120个脑CT扫描和7,022张CT图像，以及相应的患者医疗信息。数据集创建过程涉及严格的数据筛选和专家标注，旨在通过机器学习和深度学习方法评估语义分割、目标检测和放射组学特征提取的性能。PHE-SICH-CT-IDS的应用领域主要集中在提高自发性脑内出血患者的诊断准确性和治疗效果，特别是在早期检测和精确分割血肿周围水肿方面。PHE-SICH-CT-IDS is an open-access CT image dataset developed by the Microscopic and Medical Image Analysis Group at the School of Medicine and Bioinformatics Engineering, Northeastern University, focusing on pericematomal edema (PHE) associated with spontaneous intracerebral hemorrhage (SICH). This dataset includes 120 brain CT scans and 7,022 CT images, alongside corresponding patient medical information. The dataset development process involved rigorous data filtering and expert annotation, with the objective of evaluating the performance of semantic segmentation, object detection, and radiomic feature extraction methods via machine learning and deep learning approaches. The primary application domains of PHE-SICH-CT-IDS center on improving the diagnostic accuracy and therapeutic outcomes of patients with spontaneous intracerebral hemorrhage, particularly in the early detection and precise segmentation of pericematomal edema.

搜集汇总

数据集介绍

构建方式

PHE-SICH-CT-IDS 数据集的构建始于对自发脑出血患者的头部 CT 扫描数据的收集。这些数据来自中国医科大学盛京医院，由三位经验丰富的放射科医生按照严格的标准进行筛选。数据集包括 120 例脑 CT 扫描和 7,022 张 CT 图像，以及相应的患者医疗信息。为了创建分割标签，研究人员使用开源软件 LIFEx 手动标记了每个 CT 图像层上的 PHE 区域。此外，使用 Labelme 注释工具创建了目标检测标签，并将它们保存为与相应图像同名且格式为 XML 的文件。最后，基于分割的 PHE 区域，使用 LIFEx 软件提取了放射组学特征，包括七个纹理特征。

特点

PHE-SICH-CT-IDS 数据集的主要特点是其多样性和适用性。它包含来自不同患者的 120 例脑 CT 扫描，这些扫描具有不同的出血区域和 PHE 特征。此外，数据集提供了多种格式的数据，包括 NIFTI、PNG 和 JPG 格式，以适应不同的实验需求。数据集还包含了患者医疗信息，如是否存在继发性血肿扩张、性别、年龄、诊断性出血区域和既往病史等。这些信息对于临床研究和诊断具有重要意义。

使用方法

PHE-SICH-CT-IDS 数据集可用于多种医学图像处理任务，包括语义分割、目标检测和放射组学特征提取。对于语义分割，数据集提供了分割标签，可用于训练和评估分割算法的性能。对于目标检测，数据集提供了目标检测标签，可用于训练和评估目标检测算法的性能。对于放射组学特征提取，数据集提供了放射组学特征，可用于构建预测模型，以评估血肿扩张的风险。此外，数据集还包含了患者医疗信息，可用于构建更全面的预测模型。

背景与挑战

背景概述

脑出血是一种具有高死亡率和预后不良的疾病，其中自发性脑出血(SICH)是一种常见的亚型，通常发生在基底神经节区域。PHE-SICH-CT-IDS数据集是一个公开可用的CT图像数据集，旨在评估PHE的语义分割、目标检测和放射组学特征提取。该数据集由120个脑CT扫描和7022个CT图像组成，包括患者的相应医疗信息。该数据集的创建时间为2023年8月，由东北大学医学与生物信息工程学院的显微图像与医学图像分析小组、盛京医院和中国医科大学、吕贝克大学医学信息研究所的研究人员共同完成。该数据集的核心研究问题是对PHE进行早期检测和准确分割，以指导临床干预并提高患者预后。PHE-SICH-CT-IDS数据集对相关领域的影响力主要体现在它为研究人员提供了一个评估PHE分割和检测性能的标准数据集，有助于推动PHE分割和检测算法的发展。

当前挑战

PHE-SICH-CT-IDS数据集相关的挑战主要包括：1)所解决的领域问题：PHE区域在CT图像中的定位非常具有挑战性，因为PHE区域与周围脑组织在CT值上存在显著的重叠，例如脑脊液和微血管疾病。这导致经验丰富的放射科医生在使用像素标记进行颅内出血检测时，平均每张CT扫描需要10分钟，而PHE标记则需要至少两倍的时间。2)构建过程中所遇到的挑战：为了提高PHE分割和检测的准确性，需要收集大量的高质量CT图像，并进行严格的筛选和标注。此外，还需要提取大量的放射组学特征，并进行特征选择和模型构建，以预测SICH患者的HE风险。

常用场景

经典使用场景

PHE-SICH-CT-IDS数据集的构建，旨在为评估脑出血周围水肿的语义分割、目标检测和放射组学特征提取提供基准。该数据集包含120例脑出血患者的CT扫描图像和7,022张CT图像，以及相应的患者医疗信息。通过使用经典算法进行语义分割、目标检测和放射组学特征提取，实验结果证明了PHE-SICH-CT-IDS在评估分割、检测和放射组学特征提取性能方面的适用性。

解决学术问题

PHE-SICH-CT-IDS数据集解决了脑出血周围水肿分割和检测的挑战，以及放射组学特征提取的评估问题。该数据集提供了丰富的医学场景应用数据格式，为研究人员探索新型算法提供了支持，为临床医生和患者提供了有价值的支持。此外，该数据集还解决了传统分割方法在脑出血周围水肿分割方面的局限性，以及缺乏公共数据集以验证PHE分割方法的问题。

衍生相关工作

PHE-SICH-CT-IDS数据集衍生了多种相关的经典工作，包括使用深度学习技术进行脑出血周围水肿分割和检测，以及放射组学特征提取的研究。这些研究进一步证明了PHE-SICH-CT-IDS在脑出血周围水肿分割和检测方面的适用性，并为进一步研究提供了有价值的参考。此外，该数据集还可以用于开发新型算法，以提高脑出血周围水肿分割和检测的准确性，并为临床医生提供有价值的预测信息。