MU-Glioma Post: A comprehensive dataset of automated MR multi-sequence segmentation and clinical features
8.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-11-21 03:36
摘要：
该研究创建了一个包含203名胶质瘤患者的全面数据集，涵盖594个后治疗影像时间点及相关临床特征。通过标准化的自动深度学习分割流程，研究旨在提高对治疗效果的评估准确性。数据集已公开共享，支持未来深度学习模型的开发，具有重要的临床和商业潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分
business_impact
0.8分+0.8分
scientific_rigor
1.5分+1.5分
timeliness_innovation
1.5分+1.5分
investment_perspective
2.5分+2.5分
market_value_relevance
1.0分+1.0分
team_institution_background
0.5分+0.5分
technical_barrier_competition
1.0分+1.0分
关键证据
提供了203名胶质瘤患者的594个后治疗时间点的临床历史和影像数据。
数据集旨在支持深度学习模型的开发，以改善治疗结果的评估。
研究经过严格的手动质量控制，确保了数据的准确性和可靠性。
真实性检查
否
AI评分总结
该研究创建了一个包含203名胶质瘤患者的全面数据集，涵盖594个后治疗影像时间点及相关临床特征。通过标准化的自动深度学习分割流程，研究旨在提高对治疗效果的评估准确性。数据集已公开共享，支持未来深度学习模型的开发，具有重要的临床和商业潜力。