AI-United » Allgemein » NYU School of Medicine veröffentlichte einen Datensatz mit 1,5 Millionen MRT-Scans

NYU School of Medicine veröffentlichte einen Datensatz mit 1,5 Millionen MRT-Scans

Das Radiologische Innovationsforschungszentrum von NYU School of Medicine in Kooperation mit Facebook AI Research (FAIR) haben einen großen Datensatz veröffentlicht. Er enthält 1,5 Millionen MRT-Bilder der Kniegelenke. 

Dieser Datensatz wurde im Zusammenhang mit fastMRI Challenge erstellt. Es handelt sich dabei um ein Projekt zur Entwicklung der Modelle des maschinellen Lernens zur Beschleunigung der MRT-Diagnostik.

Zur Zeit besteht der Datensatz aus 1,5 Millionen MRT-Bildern der Kniegelenke, die aus 10.000 Scans und 1.600 unbearbeiteten Bildern gewonnen wurden. Zukünftige Versionen werden auch Scans von Leber und Gehirn enthalten. Sie können den Zugang zum Datensatz auf dieser Website anfordern. Dabei müssen Sie erklären, wie Sie diesen Datensatz einsetzen werden.

FastMRI Challenge

Im Zusammenhang mit fastMRI (dem Projekt zur Entwicklung der Algorithmen zum Beschleunigen der Diagnosestellung) wird FAIR Open-Source-Modelle zur Verfügung stellen. Mit diesen Modellen kann man sich hier vertraut machen. 

Auf dieser Website finden Sie auch einen Instrumentensatz, Grundwerte (zum Vergleich der Resultate) und eine Rangliste, um die Vorwärtsbewegung zu verfolgen.

Die Standard-MRT-Untersuchung dauert 30-45 Minuten. Die Forscher berichten, dass fastMRI im Erfolgsfall hilft, den Bedarf an Anästhesierung und Sedation zu senken. Diese Methode eignet sich auch für Menschen, die mit Langzeitscans Schwierigkeiten haben, wie z. B. Kleinkinder, ältere Patienten und Menschen mit Klaustrophobie.

Quelle
AI-United-Redaktion

Kommentar hinzufügen

Your email address will not be published. Required fields are marked *

300-101   400-101   300-320   300-070   300-206   200-310   300-135   300-208   810-403   400-050   640-916   642-997   300-209   400-201   200-355   352-001   642-999   350-080   MB2-712   400-051   C2150-606   1Z0-434   1Z0-146   C2090-919   C9560-655   642-64   100-101   CQE   CSSLP   200-125   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-075   300-115   AWS-SYSOPS   640-692   640-911   1Z0-144   1z0-434   1Z0-803   1Z0-804   000-089   000-105   70-246   70-270   70-346   70-347   70-410