CADICA

CADICA数据集是由西班牙马拉加大学计算机语言与计算机科学系创建，包含668个侵入性冠状动脉造影视频，用于冠状动脉疾病检测。该数据集不仅提供了患者视频，还附带了与疾病相关的元数据，旨在帮助临床医生训练评估CAD严重性的技能，并支持计算机科学家开发辅助诊断系统。数据集的应用领域主要集中在冠状动脉疾病的检测和分类，通过深度学习方法验证和改进现有的CAD检测方法。

The CADICA dataset was created by the Department of Computer Languages and Computer Science, University of Málaga, Spain. It comprises 668 invasive coronary angiography videos for coronary artery disease (CAD) detection. In addition to the patient videos, the dataset also includes disease-related metadata, which is intended to assist clinicians in honing their skills in evaluating the severity of CAD and support computer scientists in developing auxiliary diagnostic systems. The main application fields of the dataset are centered on the detection and classification of coronary artery disease, where existing CAD detection methods can be validated and enhanced through deep learning approaches.

搜集汇总

数据集介绍

构建方式

CADICA数据集的构建基于42名患者的668段侵入性冠状动脉造影（ICA）视频，这些视频在西班牙马拉加的Hospital Universitario Virgen de la Victoria医院采集。视频以DICOM格式记录，帧率为每秒10帧，随后转换为PNG格式以便于处理。每段视频的帧尺寸为512×512像素，视频长度从1到151帧不等。数据集的标注由心脏病专家团队完成，每个帧中的感兴趣区域通过边界框进行标注，并分类为不同的狭窄程度类别。数据集的组织结构包括患者元数据、视频文件以及标注信息，确保了数据的完整性和可追溯性。

特点

CADICA数据集的特点在于其多样性和高质量。数据集涵盖了广泛的病理情况和图像质量，确保了临床真实性。每个视频帧都经过详细的标注，标注信息包括狭窄程度的分级（如20%-50%、50%-70%等），并提供了病变区域的边界框坐标。此外，数据集还包含了患者的临床元数据，如糖尿病、高血压等基础疾病信息，进一步增强了数据的科研价值。这些特点使得CADICA成为冠状动脉疾病检测和分类研究的重要资源。

使用方法

CADICA数据集的使用方法主要分为两类：临床医生和计算机科学家。临床医生可以通过该数据集训练其在冠状动脉狭窄严重程度评估中的技能，而计算机科学家则可以利用该数据集开发计算机辅助诊断系统，帮助进行冠状动脉疾病的自动检测和分类。数据集的使用包括加载视频帧、解析标注信息以及结合临床元数据进行综合分析。此外，研究者还可以使用该数据集验证和改进现有的冠状动脉疾病检测算法，特别是在深度学习模型的训练和评估中，CADICA提供了丰富的实验数据。

背景与挑战

背景概述

CADICA数据集是由西班牙马拉加大学和Virgen de la Victoria医院的研究团队于2024年发布的一个专注于冠状动脉疾病（CAD）检测的新数据集。该数据集旨在通过侵入性冠状动脉造影（ICA）图像，为研究人员和临床医生提供一个高质量、开放访问的资源，以支持冠状动脉疾病的诊断和分类研究。CADICA数据集包含668个ICA视频，涵盖了42名患者的冠状动脉造影数据，并附带了与疾病相关的元数据。该数据集的发布填补了ICA图像领域高质量开放数据集的空白，为深度学习模型在冠状动脉疾病检测中的应用提供了重要的基础。

当前挑战

CADICA数据集面临的挑战主要体现在两个方面。首先，在冠状动脉疾病的诊断中，ICA图像的视觉评估存在显著的观察者间差异，尤其是在狭窄程度的中等范围内（40-70%），其预测功能意义的准确性较低。其次，数据集的构建过程中，由于ICA图像的复杂性和多样性，标注工作面临较大挑战。尽管数据集中包含了多种病变程度的图像，但如何准确分类和标注这些图像，尤其是非阻塞性病变（20-50%狭窄）与阻塞性病变（>70%狭窄）的区分，仍然是一个技术难题。此外，数据集的多样性和复杂性也对深度学习模型的训练和验证提出了更高的要求。

常用场景

经典使用场景

CADICA数据集主要用于冠状动脉疾病的检测和分类研究，特别是在侵入性冠状动脉造影（ICA）图像分析领域。该数据集通过提供高质量的ICA视频和相关的疾病元数据，支持研究人员开发基于深度学习的计算机辅助诊断系统，帮助临床医生更准确地评估冠状动脉狭窄的严重程度。

衍生相关工作

CADICA数据集的发布推动了多个相关研究领域的发展，特别是在冠状动脉狭窄的自动检测和分类方面。基于该数据集，研究人员开发了多种深度学习模型，如ResNet、MobileNet和DenseNet等，用于冠状动脉病变的自动分割和分类。这些工作不仅验证了CADICA数据集的有效性，还为未来的冠状动脉疾病研究提供了新的方向。

数据集最近研究

最新研究方向

CADICA数据集作为冠状动脉疾病（CAD）检测领域的最新资源，为研究者提供了一个高质量、开放获取的侵入性冠状动脉造影（ICA）图像数据集。近年来，随着深度学习技术在医学影像分析中的广泛应用，CADICA数据集的研究方向主要集中在基于深度学习的冠状动脉病变自动分类与检测。通过结合卷积神经网络（CNN）等先进模型，研究者能够开发出计算机辅助诊断系统，帮助临床医生更准确地评估冠状动脉狭窄的严重程度。此外，CADICA数据集还为验证和改进现有的CAD检测方法提供了重要支持，推动了冠状动脉疾病诊断技术的进一步发展。该数据集的发布不仅填补了ICA图像数据集的空白，还为未来研究提供了新的挑战和机遇，特别是在病变分类、图像分割和病变定位等前沿领域。

相关研究论文

• CADICA: a new dataset for coronary artery disease detection by using invasive coronary angiography

  马拉加大学计算机语言与计算机科学系 · 2024年