BRISC: Аннотированный набор данных для сегментации и классификации мозговых опухолей

Почему данные сканирования мозга важны для всех

Мозговые опухоли — одни из самых пугающих диагнозов, которые может услышать человек, и врачи всё чаще полагаются на компьютерные программы, чтобы обнаруживать и очерчивать эти опасные образования на МРТ‑снимках. Но, как ученики, читающие учебник с пропущенными страницами, многие современные системы искусственного интеллекта (ИИ) ограничены неполными или непоследовательными данными. В этой статье представлено BRISC — новый тщательно собранный набор снимков МРТ головного мозга, созданный для того, чтобы дать медицинскому ИИ качественные примеры для более точного обнаружения и картирования опухолей — работа, которая в перспективе может способствовать более быстрым и надёжным диагнозам.

Новая библиотека изображений мозга

Набор BRISC включает 6000 МРТ‑изображений мозга, сосредоточенных на одном типе исследования — контрастно‑усиленных T1‑взвешенных снимках — которые особенно хорошо подчёркивают границы опухолей. Каждое изображение отнесено к одной из четырёх групп: три распространённых типа опухолей (глиома, менингиома и опухоли гипофиза) и группа без опухоли, включающая здоровые мозги и другие незлокачественные состояния. Изображения взяты из нескольких ранее опубликованных общедоступных коллекций, но BRISC добавляет то, чего в старых наборах часто не хватало: точные очертания областей опухоли и последовательные метки, созданные и проверенные медицинскими экспертами.

Баланс видов и ракурсов опухолей

Одна из основных проблем многих существующих коллекций — дисбаланс: некоторые типы опухолей или углы съёмки доминируют, из‑за чего ИИ‑модели работают хорошо только на самых распространённых шаблонах. BRISC решает эту проблему, добиваясь более равномерного распределения как диагнозов, так и направлений съёмки. Изображения представлены в трёх стандартных плоскостях МРТ — аксиальной (сверху вниз), коронарной (спереди назад) и сагиттальной (сбоку) — с сопоставимым количеством снимков в каждой. Четыре категории диагноза также относительно сбалансированы в обучающих и тестовых разбиениях. Такое продуманное устройство помогает будущим алгоритмам научиться распознавать опухоли под разными углами и в более широком диапазоне ситуаций, лучше отражая то, что врачи видят в клинике.

Тщательная очистка и экспертная разметка

Преобразование сырых снимков в надёжный ресурс для исследований потребовало серьёзной очистки. Команда начала с более чем 7000 изображений из популярной онлайн‑коллекции по опухолям мозга и отфильтровала снимки низкого качества или повреждённые файлы, почти дублирующиеся изображения и последовательности слишком короткой длины для надёжной интерпретации. Для сохранения согласованности были оставлены только контрастно‑усиленные T1‑снимки. Врачи и радиолог затем просмотрели изображения, исправив неверные метки и исключив спорные случаи. С помощью специализированного инструмента для разметки они нарисовали детализированные маски вокруг областей опухоли и неоднократно уточняли свою работу до высокого уровня согласия; на тестовой подвыборке совпадение между первоначальными и экспертно утверждёнными очертаниями было очень высоким.

Что эти данные дают моделям ИИ

Чтобы показать применимость BRISC, авторы обучили ряд популярных ИИ‑моделей на двух задачах. Первая задача — классифицировать каждое изображение по одной из четырёх диагностических категорий. Современные системы распознавания изображений, особенно семейство EfficientNet, показали очень высокую точность — правильно маркируя подавляющее большинство снимков и особенно хорошо различая изображения без опухоли. Вторая задача — по‑пиксельно выделять область опухоли на срезе МРТ. Здесь лучшие результаты показали более продвинутые сегментационные сети, включая архитектуры на базе трансформеров, которые превосходно моделируют контекст и точно очерчивали опухоли для трёх основных типов.

Как эта работа продвигает область вперёд

Проще говоря, BRISC — это хорошо организованная публичная «тренировочная площадка» для алгоритмов, обучающихся читать МРТ мозга. Он предлагает тысячи тщательно очищенных снимков, реалистичное разнообразие типов опухолей и ракурсов, а также экспертно отрисованные маски опухолей, которые учат алгоритмы точно определять локализацию заболевания. Набор предназначен для исследований, а не как самостоятельный диагностический инструмент для пациентов, но он создаёт прочную основу для разработки и сравнения новых ИИ‑систем. По мере того как исследователи совершенствуют модели с помощью BRISC и похожих ресурсов, у врачей может появиться более надёжный цифровой помощник, который поможет обнаруживать мозговые опухоли раньше и планировать лечение с большей уверенностью.

Цитирование: Fateh, A., Rezvani, Y., Moayedi, S. et al. BRISC: Annotated Dataset for Brain Tumor Segmentation and Classification. Sci Data 13, 361 (2026). https://doi.org/10.1038/s41597-026-06753-y

Ключевые слова: МРТ мозга, ИИ в медицинской визуализации, сегментация опухоли, курирование набора данных, глубокое обучение в радиологии