Scientific data · 2021
An automatic multi-tissue human fetal brain segmentation benchmark using the Fetal Tissue Annotation Dataset.
DatasetСтатьяПоддержка исследования: вне правительства СШАНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Payette Kelly, de Dumast Priscille, Kebiri Hamza, Ezhov Ivan, Paetzold Johannes C, Shit Suprosanna, Iqbal Asim, Khan Romesa, Kottke Raimund, Grehten Patrice, Ji Hui, Lanczi Levente, Nagy Marianna, Beresova Monika, Nguyen Thi Dao, Natalucci Giancarlo, Karayannis Theofanis, Menze Bjoern, Bach Cuadra Meritxell, Jakab Andras
Аннотация
It is critical to quantitatively analyse the developing human fetal brain in order to fully understand neurodevelopment in both normal fetuses and those with congenital disorders. To facilitate this analysis, automatic multi-tissue fetal brain segmentation algorithms are needed, which in turn requires open datasets of segmented fetal brains. Here we introduce a publicly available dataset of 50 manually segmented pathological and non-pathological fetal magnetic resonance brain volume reconstructions across a range of gestational ages (20 to 33 weeks) into 7 different tissue categories (external cerebrospinal fluid, grey matter, white matter, ventricles, cerebellum, deep grey matter, brainstem/spinal cord). In addition, we quantitatively evaluate the accuracy of several automatic multi-tissue segmentation algorithms of the developing human fetal brain. Four research groups participated, submitting a total of 10 algorithms, demonstrating the benefits the dataset for the development of automatic algorithms.