Aller au contenu principal
Accès ouvert déclaré 2022 dataset

MELA Dataset: A Benchmark for Mediastinal Lesion Analysis (Annotation V2.0)

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

MELA dataset is a benchmark for developing algorithms on mediastinal lesion analysis. We hope this large-scale dataset could facilitate the research and application of automatic mediastinal lesion detection and diagnosis. MELA dataset contains 1100 CT scans collected from patients with one or more lesions in the mediastinum. The MELA dataset is split into a subset of 770 CT scans for training, a subset of 110 CT scans for validation, and a test set of 220 CT scans for evaluation. This is a new version of the Annotation of MELA dataset, in which we add a missing annotation for 'mela_0732'. This file includes the annotations of the whole training set and validation set. mela_train_val_annotations.csv: bounding box annotations in voxel coordinates for mediastinal lesions. `public_id: anonymous patient ID to match images and annotations. `coordX, coordY, coordZ: coordinates of the center of annotated bounding box. `x_length, y_length, z_length: the length of the bounding box in three dimensions.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Où se fait cette recherche

  • Wuhan University pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Jiao Tong University pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Pulmonary Hospital pays non établi dans la notice
    Établissement de santé
  • Ltd Diannei Technology Co. pays non établi dans la notice
    Entreprise

Wuhan University, Shanghai Jiao Tong University et Shanghai Pulmonary Hospital, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Radiomics and Machine Learning in Medical Imaging

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.