APIS

arXiv2023-09-27 更新2024-08-06 收录

下载链接：

http://arxiv.org/abs/2309.15243v1

下载链接

链接失效反馈

官方服务：

资源简介：

APIS是首个公开的急性缺血性中风患者的NCCT和ADC研究配对数据集，旨在支持中风病灶的定位和描绘，特别是在急性期对细微缺血变化的检测。

APIS is the first publicly available paired dataset of NCCT and ADC studies from patients with acute ischemic stroke, which is designed to support the localization and delineation of stroke lesions, particularly for the detection of subtle ischemic changes in the acute phase.

创建时间：

2023-09-27

搜集汇总

数据集介绍

构建方式

在急性缺血性卒中影像分析领域，APIS数据集的构建体现了严谨的临床回顾性研究设计。该数据集源自两家临床中心于2021年10月至2022年9月期间收治的卒中症状患者，共纳入96例研究，其中包含86例缺血性卒中及10例对照病例。所有病例均采集了配对的非增强CT（NCCT）与表观扩散系数（ADC）MRI序列，并严格遵循了患者年龄大于18岁、无脑出血征象、影像采集间期未接受治疗等纳入标准。影像数据经过颅骨剥离并与标注的ADC序列进行空间配准，最终由两位经验丰富的神经介入放射科医师在ADC图像上独立完成病灶的手动勾画，确保了标注的权威性与可靠性。

特点

APIS数据集的显著特征在于其开创性地提供了公开的、严格配对的急性缺血性卒中CT-MRI影像数据。该数据集不仅包含了常规用于卒中初筛的非增强CT序列，还同步提供了对早期缺血改变高度敏感的ADC序列，这种配对结构为探索多模态影像的互补性提供了独特资源。数据集中病灶标注由两位专家独立完成，支持对模型泛化能力及标注一致性的深入分析。此外，数据集作为ISBI 2023挑战赛的基准，其测试集包含36例仅提供NCCT影像及双专家标注的病例，专门用于评估模型在单一CT模态下的病灶分割性能，突显了其在推动低对比度CT影像分析研究方面的价值。

使用方法

APIS数据集主要用于开发与验证基于深度学习的急性缺血性卒中病灶自动分割算法。研究者可利用其60例配对的CT-ADC训练数据，设计能够融合多模态信息的模型架构，学习从ADC影像中提取的明确病灶特征，并迁移至NCCT影像的分析中。在模型评估阶段，则使用仅包含NCCT影像的36例测试集，将算法预测结果与两位放射科专家的独立手工标注进行对比，通过Dice系数、豪斯多夫距离等指标量化分割精度。该数据集鼓励开发能够有效利用配对信息、最终提升单一NCCT模态下病灶分割鲁棒性的计算方法，以辅助临床快速决策。

背景与挑战

背景概述

在医学影像分析领域，急性缺血性脑卒中的早期诊断与精准病灶分割对患者预后至关重要。APIS数据集由哥伦比亚工业大学的生物医学影像、视觉与学习实验室（BIVL2ab）与FOSCAL诊所于2023年联合创建，旨在解决非增强CT（NCCT）在急性期缺血性病灶检测中灵敏度不足的临床难题。作为首个公开的配对CT-MRI脑卒中数据集，APIS包含96例患者的NCCT与表观扩散系数（ADC）序列，并辅以两位神经放射学专家的手动标注。该数据集在2023年IEEE国际生物医学影像研讨会（ISBI）上以挑战赛形式发布，推动了跨模态学习策略在病灶分割中的应用，为降低临床诊断主观性、提升CT影像的病灶识别能力提供了关键数据支撑。

当前挑战

APIS数据集面临的挑战主要体现在两方面：其一，在领域问题层面，缺血性脑卒中病灶在NCCT影像中表现为低对比度与微弱衰减特征，导致传统分割方法难以精准区分病灶与健康组织，现有深度学习模型在CT序列上的分割性能（如最佳Dice系数仅0.20）仍远低于临床需求；其二，在数据集构建过程中，跨模态数据的精确配准与标注一致性构成显著障碍，需协调不同扫描设备（CT与MRI）的成像差异，并处理专家间标注变异（如两位放射科医师对部分病例的病灶存在分歧），同时需确保患者在NCCT与MRI采集期间未接受干预，以维持病理状态的时空一致性。

常用场景

经典使用场景

在急性缺血性脑卒中影像分析领域，APIS数据集为研究者提供了首个公开的配对非增强CT与ADC MRI扫描资源。该数据集的核心应用场景在于训练和验证深度学习模型，以实现在低对比度的非增强CT图像上自动分割缺血性病灶。通过利用配对数据中ADC序列提供的清晰病灶标注，模型能够学习从CT模态中提取细微的缺血特征，从而推动计算机辅助诊断系统的发展，旨在辅助临床医生进行快速、客观的病灶评估。

衍生相关工作

APIS数据集的发布直接催生并连接了一系列经典研究工作。在与其相关的ISBI 2023挑战赛中，多个团队基于U-Net等架构提出了创新解决方案，例如探索对称性建模、注意力机制以及跨模态特征迁移等策略。这些工作深化了对CT图像中缺血特征表示的理解。同时，APIS也与先前如AISD、ISLES2018等卒中分割数据集形成了互补与对话，共同推动了该领域从依赖单一模态或灌注参数向利用配对多模态信息进行弱监督或跨模态合成的研究范式演进，激发了关于如何有效利用MRI先验知识来增强CT分割性能的持续探讨。

数据集最近研究