TopCoW dataset

TopCoW数据集是第一个具有十三种可能的Willis环血管成分体素级注释的公开数据集，由虚拟现实技术实现。它也是首个包含来自同一患者配对MRA和CTA的大型数据集。

The TopCoW dataset is the first public dataset with voxel-level annotations for all thirteen possible vascular components of the Circle of Willis, developed using virtual reality technology. It is also the first large-scale dataset containing paired magnetic resonance angiography (MRA) and computed tomography angiography (CTA) scans from the same patients.

搜集汇总

数据集介绍

构建方式

TopCoW 数据集的构建采用了虚拟现实 (VR) 技术，显著提高了 3D 体积图像的标注和验证效率。该数据集由 130 对来自同一患者的 MRA 和 CTA 扫描图像组成，并提供了两种类型的标注：体素级别的多类分割掩码和 CoW 感兴趣区域的 3D 边界框。标注过程由经过 CoW 解剖学培训的研究人员手动进行，并由临床专家进行验证。数据集包括多种 CoW 变体，并着重于拓扑结构。

特点

TopCoW 数据集具有以下特点：1）包含 13 种可能的 CoW 血管成分的体素级标注，这是首个公开的此类数据集；2）包含配对的 MRA 和 CTA 扫描图像，增强了标注的准确性；3）涵盖了多种 CoW 变体，并引入了拓扑结构指标和分析，以捕捉临床相关信息。

使用方法

TopCoW 数据集可用于 CoW 解剖分割任务的基准测试，包括形态学和拓扑结构。用户可以使用提供的训练和验证数据集来训练和评估分割算法。数据集可用于 MRA 和 CTA 两种模态的分割任务，并包含多类和二类分割任务。用户可以使用 Docker 容器提交算法，并在云平台上进行评估。

背景与挑战

背景概述

大脑中动脉环（CoW）是连接大脑主要循环的重要动脉网络。其血管结构被认为会影响严重神经血管疾病的风险、严重程度和临床结果。然而，表征高度可变的CoW解剖结构仍然是一项手动且耗时的专家任务。CoW通常通过两种血管造影成像方式成像：磁共振血管造影（MRA）和计算机断层血管造影（CTA），但存在有限的公共数据集具有CoW解剖结构的注释，特别是对于CTA。因此，我们在2023年组织了TopCoW挑战，并发布了带注释的CoW数据集。TopCoW数据集是第一个具有十三种可能的CoW血管成分体素级注释的公共数据集，得益于虚拟现实（VR）技术。它也是第一个具有配对的MRA和CTA的较大数据集，来自同一患者。TopCoW挑战将CoW表征问题形式化为一个多类解剖分割任务，重点关注拓扑指标。我们邀请世界各地提交CoW分割任务的方案，吸引了来自四大洲的140多名注册参与者。表现最好的团队设法分割了许多CoW组件，Dice分数约为90%，但沟通动脉和稀有变异体的分数较低。对于具有高Dice分数的预测，也存在拓扑错误。额外的拓扑分析揭示了在检测某些CoW组件和准确匹配CoW变异体拓扑方面可以进一步改进的领域。

当前挑战

TopCoW数据集和相关挑战面临的主要挑战包括：1）所解决的领域问题是CoW的解剖分割，特别是在CTA和MRA模态中；2）构建过程中所遇到的挑战，包括数据收集、注释和验证的复杂性，以及CoW解剖结构的可变性。为了克服这些挑战，TopCoW挑战采用了虚拟现实技术进行数据注释，并发布了配对的CTA和MRA数据集，为CoW解剖分割任务提供了基准。此外，挑战还强调了拓扑感知分割的重要性，并引入了拓扑指标来评估分割性能。尽管TopCoW挑战取得了显著的进展，但在分割某些CoW组件（如沟通动脉和稀有变异体）以及准确匹配CoW变异体拓扑方面仍然存在改进的空间。未来的工作可以探索更先进的分割算法、更精细的CoW变异体分类以及更全面的拓扑分析，以进一步提高CoW解剖分割的准确性和鲁棒性。

常用场景

经典使用场景

TopCoW 数据集主要应用于脑血管疾病的研究，特别是针对大脑血管网络中的 Willis 环进行三维分割和拓扑分析。该数据集包含了从同一患者中获得的 MRA 和 CTA 模态图像，以及 Willis 环的 13 个可能血管成分的体素级标注。这使得 TopCoW 成为第一个包含 CTA 和 MRA 成对数据的大型公开数据集，为脑血管疾病的研究提供了宝贵的资源。

解决学术问题

TopCoW 数据集解决了 Willis 环解剖结构表征的难题。传统的 Willis 环解剖结构分析是一项手动且耗时的专家任务，而 TopCoW 数据集提供了体素级标注，使得研究者可以自动分割 Willis 环的各个血管成分，并对其进行拓扑分析。这对于理解 Willis 环的变异和拓扑结构具有重要意义，有助于揭示脑血管疾病的发病机制和治疗策略。

衍生相关工作

TopCoW 数据集衍生了许多相关的经典工作，例如：1）基于深度学习的 Willis 环分割算法，这些算法可以自动分割 Willis 环的各个血管成分，并对其进行拓扑分析；2）基于虚拟现实技术的 Willis 环标注工具，这些工具可以更快速、准确地标注 Willis 环的解剖结构；3）基于拓扑分析的 Willis 环变异识别算法，这些算法可以识别 Willis 环的变异，并分析其与脑血管疾病的关系。