PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Hernandez Petzsche, M.R.* ; de la Rosa, E.* ; Hanning, U.* ; Wiest, R.* ; Valenzuela, W.* ; Reyes, M.* ; Meyer, M.* ; Liew, S.L.* ; Kofler, F. ; Ezhov, I.* ; Robben, D.* ; Hutton, A.* ; Friedrich, T.* ; Zarth, T.* ; Bürkle, J.* ; Baran, T.A.* ; Menze, B.* ; Broocks, G.* ; Meyer, L.* ; Zimmer, C.* ; Boeckh-Behrens, T.* ; Berndt, M.* ; Ikenberg, B.* ; Wiestler, B.* ; Kirschke, J.S.*

ISLES 2022: A multi-center magnetic resonance imaging stroke lesion segmentation dataset.

Sci. Data 9:762 (2022)
Verlagsversion DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
Magnetic resonance imaging (MRI) is an important imaging modality in stroke. Computer based automated medical image processing is increasingly finding its way into clinical routine. The Ischemic Stroke Lesion Segmentation (ISLES) challenge is a continuous effort to develop and identify benchmark methods for acute and sub-acute ischemic stroke lesion segmentation. Here we introduce an expert-annotated, multicenter MRI dataset for segmentation of acute to subacute stroke lesions (https://doi.org/10.5281/zenodo.7153326). This dataset comprises 400 multi-vendor MRI cases with high variability in stroke lesion size, quantity and location. It is split into a training dataset of n = 250 and a test dataset of n = 150. All training data is publicly available. The test dataset will be used for model validation only and will not be released to the public. This dataset serves as the foundation of the ISLES 2022 challenge (https://www.isles-challenge.org/) with the goal of finding algorithmic methods to enable the development and benchmarking of automatic, robust and accurate segmentation methods for ischemic stroke.
Impact Factor
Scopus SNIP
Web of Science
Times Cited
Altmetric
8.501
0.000
10
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Schlagwörter Apparent Diffusion-coefficient; Acute Ischemic-stroke; Time-course; Infarct Volume; Final Infarct; Symptom Onset; Perfusion; Thrombectomy; Thrombolysis; Evolution
Sprache englisch
Veröffentlichungsjahr 2022
HGF-Berichtsjahr 2022
ISSN (print) / ISBN 2052-4463
e-ISSN 2052-4463
Zeitschrift Scientific Data
Quellenangaben Band: 9, Heft: 1, Seiten: , Artikelnummer: 762 Supplement: ,
Verlag Nature Publishing Group
Verlagsort London
Begutachtungsstatus Peer reviewed
Institut(e) Helmholtz Artifical Intelligence Cooperation Unit (HAICU)
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-530001-001
Förderungen Projekt DEAL
DOI 10.1038/s41597-022-01875-5
WOS ID 000897492900001
WOS ID WOS:000897492900001
Scopus ID 85143619110
PubMed ID 36496501
Erfassungsdatum 2022-12-20
[➜Korrektur melden]