ISLES 2024

ISLES 2024数据集是由慕尼黑工业大学医院诊断和介入神经放射学系等多个机构联合创建，专注于急性中风的研究。该数据集包含250个病例，涵盖急性CT成像（包括非对比CT、CT血管造影和CT灌注）和随访MRI图像，以及长达三个月的临床和人口统计数据。数据集的创建旨在支持机器学习算法的发展，特别是在中风图像中识别病变、量化脑健康和预测预后方面。该数据集的应用领域主要集中在临床决策支持、治疗优化和康复策略的制定。The ISLES 2024 Dataset was jointly created by multiple institutions including the Department of Diagnostic and Interventional Neuroradiology at University Hospital of the Technical University of Munich, focusing on acute stroke research. This dataset comprises 250 cases, covering acute CT imaging (including non-contrast CT, CT angiography, and CT perfusion) and follow-up MRI images, alongside up to three months of clinical and demographic data. The dataset was developed to support the advancement of machine learning algorithms, particularly in tasks such as identifying lesions in stroke images, quantifying brain health, and predicting prognoses. Its main application areas focus on clinical decision support, treatment optimization, and the formulation of rehabilitation strategies.

搜集汇总

数据集介绍

构建方式

ISLES 2024数据集的构建旨在填补现有急性卒中数据集在多模态和多中心纵向数据方面的空白。该数据集收集了来自德国和瑞士两个卒中中心的250名患者的数据，这些患者均接受了急性CT成像（包括非增强CT、CT血管造影和CT灌注）和2-9天后的MRI随访成像。数据集还包括急性期和长期临床数据，直至三个月的结果。为了确保数据的多样性和代表性，患者的病变大小、数量和位置各异。数据集的构建遵循了严格的伦理标准，所有数据均经过匿名化处理。

使用方法

ISLES 2024数据集适用于开发和应用机器学习算法，以从卒中图像中提取有意义的、可重复的脑功能模型，用于临床和研究目的。该数据集可以用于急性期和亚急性期缺血性卒中病变的分割，帮助确定患者的治疗决策、预测疾病结果、进行临床随访和定义最佳的治疗和康复策略。此外，数据集还可以用于开发自动标注卒中病变的算法，以标准化分割并自动化治疗决策的指导。为了确保数据集的有效使用，数据集被分为训练集和测试集，训练集可供公众下载，而测试集将仅用于模型验证。

背景与挑战

背景概述

ISLES 2024数据集是首个纵向多模态多中心真实世界的急性中风数据集，旨在为临床和科研目的开发能够从中风图像中提取有意义且可重复的脑功能模型的机器学习算法。该数据集由德国慕尼黑工业大学医院、瑞士苏黎世大学等机构的研究人员于2024年创建，主要研究人员包括Evamaria O. Riedel等人。数据集的核心研究问题是从中风图像中准确分割病变区域，以便进行脑健康量化、预后评估等。ISLES 2024数据集的发布对中风研究领域产生了重要影响，为开发先进的图像处理算法提供了宝贵的资源。

当前挑战

ISLES 2024数据集面临的挑战包括：1)病变分割的准确性：尽管机器学习和深度学习方法在脑部图像分析中显示出潜力，但中风病变的分割仍然面临较高的误差率，特别是在CT图像中。2)多模态数据融合：ISLES 2024数据集包含急性CT图像和亚急性MRI图像，如何有效地融合这些多模态数据以提取更准确的信息是一个挑战。3)数据集的多样性和代表性：尽管ISLES 2024数据集包含了急性CT和亚急性MRI图像，但为了更好地代表中风患者的真实情况，数据集的多样性和代表性仍有待提高。4)临床应用的推广：尽管ISLES 2024数据集为中风病变分割提供了宝贵的资源，但如何将研究成果转化为实际临床应用仍是一个挑战。

常用场景

经典使用场景

ISLES 2024数据集是首个纵向多模态多中心真实世界数据集，旨在为急性缺血性卒中提供临床和研究的机器学习算法开发。该数据集涵盖了急性CT成像、随访MRI以及急性及纵向临床数据，为脑功能模型提取、病灶识别、脑健康量化及预后提供了重要数据支持。

解决学术问题

ISLES 2024数据集解决了现有数据集仅包含MRI数据的限制，提供了全面的纵向卒中数据。它为准确估计梗死核心和半暗带体积、预测梗死生长、标准化脑梗死分割以及自动化治疗决策提供了重要数据支持，有助于改善缺血性卒中患者的治疗和预后。

实际应用

ISLES 2024数据集的实际应用场景包括临床决策支持、治疗优化、预后预测和卒中病因分类。通过自动化标注脑梗死，该数据集有助于标准化分割过程，为临床实践提供治疗决策、预后预测或卒中病因分类的自动化指导。

数据集最近研究

最新研究方向

ISLES 2024数据集标志着在缺血性卒中领域的一项重大进步，它首次提供了纵向多模态多中心真实世界的数据集。该数据集的发布为研究急性缺血性卒中病变分割提供了重要的资源，特别是通过急性CT成像和亚急性MRI随访，为临床和研究人员提供了丰富的数据支持。ISLES 2024挑战赛的目标是建立基于治疗前CT数据的最终梗死分割算法基准，这将有助于优化再灌注治疗决策。该数据集的独特之处在于其纵向数据收集，包括急性CT成像、亚急性MRI以及急性至三个月的纵向临床数据。这些数据为机器学习算法的开发提供了基础，有助于识别脑功能的有意义和可重复模型，特别是在病变识别、脑健康量化和预后方面。ISLES 2024的发布不仅为卒中影像分析领域提供了新的研究工具，而且有助于推动开放性卒中影像数据集的发展，并对前沿的影像处理算法进行评估。

相关研究论文

• ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke

  慕尼黑工业大学医院诊断和介入神经放射学系 · 2024年