Medical Robotics Anatomical Dataset (Med-RAD)

Medical Robotics Anatomical Dataset (Med-RAD)是由美国国家卫生研究院支持的研究团队创建的数据集，专注于为医学机器人在肺部操作提供临床相关的解剖环境。数据集包含三个新的肺部环境，每个环境都包含了呼吸变形的变形场数据，这些数据来源于患者的吸气和呼气CT扫描对。数据集的创建过程涉及使用3D Slicer软件从真实患者CT扫描中分割出肺部结构，并通过非刚性图像到图像注册技术模拟呼吸变形。该数据集的应用领域包括医学机器人的硬件和软件设计与评估，特别是用于解决肺部手术中的呼吸变形问题。The Medical Robotics Anatomical Dataset (Med-RAD) was developed by a research team supported by the U.S. National Institutes of Health, focusing on providing clinically relevant anatomical environments for medical robotic procedures in the lungs. The dataset comprises three novel pulmonary environments, each containing deformation field data of respiratory motion derived from paired inspiratory and expiratory CT scans of patients. The dataset was created by segmenting lung structures from real patient CT scans using 3D Slicer software and simulating respiratory deformation via non-rigid image-to-image registration techniques. Its application areas include the design and evaluation of hardware and software for medical robotics, particularly for addressing respiratory deformation issues in pulmonary surgery.

搜集汇总

数据集介绍

构建方式

在医学机器人领域，精准的解剖环境建模对系统设计与算法评估至关重要。Med-RAD数据集的构建依托真实临床病例，通过采集患者吸气与呼气双相CT扫描数据，利用3D Slicer工具对肺部支气管树、血管及肺叶等关键结构进行三维分割，生成二进制体素图像以表征解剖空间。进一步，基于双相CT影像对，采用Elastix非刚性配准算法计算呼吸变形场，通过插值模拟肺部在呼吸周期中的动态形变，从而构建出融合解剖结构与生理运动的仿真环境。

特点

该数据集的核心特点在于其临床真实性与动态建模能力。所有环境均源自真实患者影像数据，涵盖不同肺部区域与解剖变异，确保了高度的临床相关性。尤为突出的是，数据集首次引入了基于患者个体数据的呼吸变形模型，通过向量场精确刻画肺部在呼吸过程中的形变幅度与方向，为评估机器人在动态解剖环境中的适应性提供了关键支撑。此外，数据集公开提供分割结构与变形场数据，支持跨平台集成与可重复研究。

使用方法

Med-RAD数据集可作为多用途平台服务于医学机器人研发的各个环节。在仿真测试中，用户可将解剖环境导入自定义机器人模拟器，用于运动规划算法基准测试、控制器性能评估或机械设计优化。对于数据驱动方法，该环境能生成合成数据以训练机器学习模型，例如呼吸变形下的器械定位或路径预测。此外，数据集支持三维打印，用于构建实体仿体模型，辅助离体或临床前实验。通过标准化环境，研究者可实现算法对比与结果复现，推动领域协同发展。

背景与挑战

背景概述

医学机器人领域正经历着迅猛发展，新系统的设计与评估高度依赖于精确且临床相关的解剖环境模拟。然而，长期以来，各研究团队独立构建此类环境，导致资源重复投入与标准化缺失，阻碍了算法与系统的客观比较。为此，由美国北卡罗来纳大学教堂山分校的Inbar Fried、Janine Hoelscher、Jason A. Akulian和Ron Alterovitz等研究人员主导，于2023年正式扩展了医学机器人解剖数据集（Med-RAD）。该数据集聚焦于肺部手术场景，核心研究问题在于为医疗机器人提供包含呼吸变形模型的解剖环境，以支持运动规划、控制器设计及系统优化。其通过整合患者吸气-呼气CT扫描对，利用非刚性图像配准技术生成变形场，实现了对呼吸运动的逼真模拟，为医学机器人社区提供了宝贵的标准化资源，有力推动了该领域可重复研究与协同创新。

当前挑战

Med-RAD数据集致力于应对医疗机器人在肺部等动态解剖环境中操作的核心挑战，即呼吸运动导致的组织形变。这种形变会显著影响支气管镜导航与穿刺针轨迹的精度，使得机器人系统必须能够感知并适应实时变化的解剖结构。在数据集构建过程中，研究人员面临多重技术难题：首先，从临床CT影像中精确分割支气管树、血管等复杂解剖结构本身即是一项繁琐任务；其次，基于患者多时相CT数据生成高保真的呼吸变形模型，需要依赖先进的非刚性图像配准算法，而确保变形场的物理合理性与临床一致性则对算法精度提出了极高要求。此外，如何将异构的临床数据转化为统一、可计算的仿真环境，并实现与多种机器人仿真平台的无缝集成，亦是构建过程中需要克服的关键障碍。

常用场景

经典使用场景

在医疗机器人领域，精准的解剖环境建模是系统设计与算法验证的基石。Med-RAD数据集通过整合真实临床病例的肺部解剖结构，包括支气管树、血管及肺叶分割，并引入基于患者呼吸周期CT数据的形变场，为研究人员提供了一个高度逼真的仿真平台。该数据集最经典的应用场景在于为医疗机器人运动规划算法提供标准化测试环境，尤其是在支气管镜活检等涉及呼吸形变的复杂操作中，研究者可利用数据集中的动态解剖模型评估机器人在形变环境下的路径规划与导航性能，从而优化其自主性与精准度。

实际应用

Med-RAD数据集的实际应用紧密围绕临床需求展开，尤其在肺癌诊断与治疗环节展现出重要价值。在机器人辅助支气管镜活检中，医生需在呼吸形变影响下精准定位肺部结节，该数据集提供的动态解剖模型可用于术前模拟与术中导航系统训练。此外，数据集支持定制化仿真器的集成，如用于磁控连续体机器人或可操纵针具的路径规划测试，从而降低实体模型与活体实验的风险与成本。其衍生的三维模型还可辅助3D打印仿体制作，为机器人硬件在体外的机械性能验证提供解剖学真实的测试平台。

衍生相关工作

基于Med-RAD数据集，学术界已衍生出多项聚焦于医疗机器人形变环境应对的经典研究。例如，在呼吸形变下的支气管镜定位工作中，研究者利用数据集的形变场开发了基于标志物的实时定位算法，以提升活检针插入的准确性。同时，该数据集为学习型方法提供了数据生成基础，如用于形变环境中机器人位姿估计的深度学习模型训练。此外，数据集的结构化环境描述已被整合至多种医疗机器人专用仿真框架中，促进了运动规划算法在统一基准下的性能优化与比较研究，进一步推动了自主医疗机器人系统的算法创新与临床适配性探索。