GCM 2025

GCM 2025数据集是首个大规模开源的胃癌多模态MRI扫描数据集，包含500名胃癌患者的脂肪抑制T2加权(FS-T2W)、静脉期对比增强T1加权(CE-T1W)和表观扩散系数(ADC)图像，由专业医生标注，旨在为胃癌研究提供多模态DL分割技术的标准化基准数据。数据集的构建过程严谨，采用1.5T或3.0T扫描仪获取MRI扫描，并由专业医生进行标注和交叉检查。GCM 2025数据集的发布有助于推进胃癌的流行病学研究，并解决现有方法在多模态MRI分割中的局限性，提高分割的准确性和鲁棒性。

The GCM 2025 dataset is the first large-scale open-source multi-modal MRI scan dataset for gastric cancer. It includes fat-suppressed T2-weighted (FS-T2W), venous-phase contrast-enhanced T1-weighted (CE-T1W), and apparent diffusion coefficient (ADC) images from 500 gastric cancer patients, which were annotated by professional physicians. The dataset aims to provide standardized benchmark data for multi-modal deep learning (DL) segmentation research in gastric cancer. The dataset was constructed rigorously: MRI scans were acquired using 1.5T or 3.0T scanners, and annotations were performed and cross-checked by professional physicians. The release of the GCM 2025 dataset will advance epidemiological research on gastric cancer, address the limitations of existing methods in multi-modal MRI segmentation, and improve the accuracy and robustness of segmentation.

搜集汇总

数据集介绍

构建方式

GCM 2025数据集的构建基于500例胃癌患者的专业多模态MRI扫描，包括FS-T2W、CE-T1W和ADC图像。所有数据均通过1.5T或3.0T扫描仪采集，并经过专业医生的标注和交叉验证，确保数据的高质量和可靠性。数据采集时间跨度为2017年11月至2024年12月，所有敏感患者信息均已匿名化处理。

特点

GCM 2025数据集作为首个大规模开源的胃癌多模态MRI数据集，具有显著的临床和研究价值。其特点包括多模态图像的高软组织对比度和肿瘤病理生理学表征能力，特别是FS-T2W和CE-T1W图像在病灶检测和肿瘤分期中的优势，以及ADC图像在无创量化水分子运动中的独特作用。数据集还提供了专业标注的病灶分割结果，为深度学习模型训练提供了可靠的基础。

使用方法

GCM 2025数据集适用于多模态医学图像分割任务，特别是胃癌病灶的自动分割和定量分析。研究人员可通过公开的URL获取数据集，并利用其进行模型训练和验证。数据集的多模态特性支持跨模态特征融合和长期空间依赖性建模的研究，适用于各类深度学习框架，如CNN、Transformer和Mamba等。使用时可结合70%训练、10%验证和20%测试的标准划分，确保模型评估的公正性和可重复性。

背景与挑战

背景概述

GCM 2025数据集由华南理工大学与广州医科大学附属肿瘤医院等机构联合开发，于2025年公开发布，是首个专注于胃癌多模态MRI分割的大规模开源数据集。该数据集包含500例胃癌患者的FS-T2W、CE-T1W和ADC三种模态的MRI影像，由专业医师进行精确标注，旨在解决胃癌病灶分割中多模态数据稀缺与对齐困难的核心问题。作为胃癌影像分析领域的重要基准，GCM 2025为深度学习模型提供了高质量的标准化数据，显著推动了胃癌早期诊断和治疗规划的研究进展。

当前挑战

GCM 2025数据集面临两大核心挑战：在领域问题层面，多模态MRI影像存在固有空间错位性，需解决跨模态特征对齐与互补性融合的难题，这对传统单模态分割方法提出严峻考验；在构建过程中，大规模胃癌多模态数据的采集涉及复杂临床协调，专业标注需耗费大量医疗资源，且不同扫描设备参数差异导致数据异质性增强。此外，ADC模态的弥散加权成像对运动伪影敏感，数据预处理中需克服影像配准与质量控制的工程技术挑战。

常用场景

经典使用场景

GCM 2025数据集作为首个大规模开源的胃癌多模态MRI数据集，其经典使用场景主要集中在医学图像分割领域。该数据集通过整合500例胃癌患者的FS-T2W、CE-T1W和ADC三种模态MRI图像，为深度学习模型提供了丰富的训练和验证数据。研究人员利用该数据集开发了HWA-UNETR等先进分割框架，实现了对胃癌病灶的精确三维分割，为临床诊断和治疗规划提供了重要支持。

解决学术问题

GCM 2025数据集有效解决了多模态医学图像分割领域的两个关键学术问题：一是克服了不同模态MRI图像的空间错位问题，通过专业标注实现了模态间的精确对齐；二是填补了胃癌多模态MRI研究领域的数据空白，为开发专用分割算法提供了必要的基础数据。该数据集的发布显著提升了多模态特征融合和长距离空间依赖建模的研究水平，推动相关领域取得了突破性进展。

衍生相关工作

围绕GCM 2025数据集已衍生出多项重要研究工作，包括基于Transformer的Swin UNETR改进、结合状态空间模型的SegMamba方法，以及专门针对多模态分割设计的MMEF框架。这些工作不仅验证了数据集的科研价值，还推动了多模态医学图像处理技术的创新发展，为后续研究提供了重要参考和技术积累。