Aller au contenu principal
Accès ouvert déclaré 2025 data-paper

DICOM datasets for reproducible neuroimaging research across manufacturers and software versions

1Citations signalées, ce qui n’est pas une note de qualité
28Institutions déclarées
8Pays d’affiliation déclarés

Rattachement africain : us, fr, fi, gb, de, in, nl, es. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

DICOM is an industry-standard for medical imaging data targeted at interoperability across systems. This enables transfer, storage and processing of imaging data regardless of the manufacturer. Pragmatically, manufacturers often store detailed acquisition parameters in private rather than public DICOM tags. In parallel, the DICOM standard itself has gradually evolved by introducing new public tags and properties to better capture emerging imaging technologies. Accurately extracting these details is essential for reproducible neuroimaging research. To address this need, we created a series of DICOM datasets illustrating how various manufacturers encode acquisition details that are critical for modern processing and analysis. These minimal test cases, covering CT and MR modalities, highlight manufacturer-specific conventions, including the use of public tags, private tags, and proprietary data structures. For each DICOM dataset, we provide corresponding NIfTI-formatted images with metadata JSON files following the BIDS standard, using consistent terminology to mitigate variations in how manufacturers encode acquisition details. Our repository provides validation datasets for any tool that is intended to extract acquisition details from medical imaging data.

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

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
DICOM datasets for reproducible neuroimaging research across manufacturers and software versions
Date Crossref
09/07/2025
Éditeur
Springer Science and Business Media LLC
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

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

Les sujets associés

Radiomics and Machine Learning in Medical ImagingFunctional Brain Connectivity StudiesMedical Imaging Techniques and Applications

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.