2D胎儿脑部超声分析基准数据集

本数据集由悉尼大学脑与心智中心创建，包含104张20周孕龄的胎儿脑部2D超声图像，旨在为研究胎儿脑部发育提供基准。数据集中的图像均经过精细的手动标注，标记了关键结构如颅骨、丘脑、小脑等的关键点，并提供了概率图以辅助分析。创建过程中，使用了基于卷积神经网络的自动颅骨分割和椭圆拟合技术，确保图像准确对齐至公共空间。此数据集特别适用于开发和测试胎儿脑部超声图像的分割和配准技术，有助于识别发育异常，为胎儿神经发育研究提供重要工具。

This dataset was created by the Brain and Mind Centre of the University of Sydney. It contains 104 2D ultrasound images of fetal brains at 20 weeks of gestational age, aiming to provide a benchmark for fetal brain development research. All images in the dataset have been meticulously manually annotated, with key landmarks of critical structures such as the skull, thalamus, cerebellum and other relevant anatomical regions marked, and accompanying probability maps are provided to facilitate analysis. During the dataset construction process, automatic skull segmentation and ellipse fitting techniques based on convolutional neural networks were utilized to ensure accurate alignment of all images to a common spatial standard. This dataset is particularly suitable for developing and testing segmentation and registration technologies for fetal brain ultrasound images, helping to identify developmental abnormalities and serving as an important tool for fetal neurodevelopment research.

搜集汇总

数据集介绍

构建方式

该数据集的构建方式涉及从低风险孕妇的常规中孕期胎儿超声扫描中收集数据。这些数据包括70名孕妇在妊娠第20周左右的104次扫描。所有参与者均在妊娠第12周前开始接受产前护理，并在第12至14周进行了第一次 trimester 超声波扫描，且在第一次 trimester 联合筛查中具有低风险的非整倍体。使用高频率的腹部探头（C2-9）获取图像，并由两名经过培训的临床专家手动标注。颅骨分割使用基于 UNet 网络的自动分割方法，然后通过拟合椭圆到分割的颅骨形状来注册每个图像。基于注册图像的软概率图用于构建感兴趣结构的概率图。这些数据记录包括原始图像、手动标注的图像、共注册图像和概率图。

特点

该数据集的特点包括：1）包含在妊娠第20周左右的104个2D胎儿脑部超声图像，这些图像已经通过粗略的颅骨分割共注册到公共空间；2）图像提供在原始空间和以所有受试者椭圆为中心的模板空间；3）图像已经标注，以突出显示与脑部发育相关的感兴趣结构的标志性点；4）数据集提供了最终的大脑模板和概率图，以及原始图像，可用于开发新的分割技术、测试胎儿脑部超声的注册方法、扩展到纵向数据集以及在新图像中检测异常。

使用方法

该数据集的使用方法包括：1）数据集可用于研究胎儿脑部扫描的注册和分割，为研究胎儿脑部发育的研究人员提供工具；2）结合最近发布的4D图谱，该数据集也可用于研究2D到3D US注册和确定妊娠“真实年龄”的技术以及与图谱相比的潜在异常；3）数据集提供了一系列的超声图像，作为研究注册和分割的起点；4）数据集包括用于分析图像和处理流程的代码，以及用于可视化每个步骤的Jupyter笔记本。

背景与挑战

背景概述

胎儿脑部发育是一个复杂的过程，从胚胎早期到出生后数月，大脑经历了一系列结构变化。目前，超声检查因其能够在无辐射的情况下实时获取动态图像，且成本效益高，已成为筛查的首选技术。然而，由于胎儿脑部图像的解释难度较大，识别异常情况仍然是一个挑战。本文介绍了一个包含104张第20周胎龄的2D胎儿脑部超声图像的数据集，这些图像已经通过粗略的头骨分割共注册到一个公共空间。图像既提供在原始空间，也提供在以所有受试者椭圆为中心的模板空间。此外，图像已经过注释，以突出显示与脑部发育分析相关的感兴趣结构的特征点。最终的大脑模板与概率图和原始图像可用于开发新的分割技术，测试胎儿脑部超声的注册方法，并将我们的工作扩展到纵向数据集，以检测新图像中的异常情况。

当前挑战

该数据集面临的主要挑战包括：1) 识别胎儿脑部图像中的异常情况，由于图像解释的难度较大，这仍然是一个挑战；2) 构建过程中遇到的挑战包括：低信噪比（SNR），由于缺乏强大的定位技术，胎儿的位置差异，以及可能模糊或阴影显著特征和结构边界的图像伪影，使得图像注册过程特别具有挑战性。

常用场景

经典使用场景

该数据集主要被用于研究胎儿脑部超声图像的分割和配准技术，为胎儿脑部发育的研究提供数据支持。通过分析胎儿脑部超声图像，研究人员可以更好地理解正常脑部发育过程，并识别潜在的发展异常，从而为临床诊断和治疗提供依据。

衍生相关工作

该数据集的发布，衍生了一系列相关工作，包括基于深度学习的胎儿脑部超声图像分割算法、基于概率图的胎儿脑部超声图像配准算法等。这些相关工作进一步推动了胎儿脑部超声图像分析领域的发展，为临床诊断和治疗提供了更多的技术支持。

数据集最近研究

最新研究方向

随着胎儿脑部超声分析技术的不断发展，2D胎儿脑部超声分析基准数据集成为了研究的热点。该数据集为研究人员提供了104张在怀孕第20周采集的2D胎儿脑部超声图像，这些图像经过粗略的头骨分割后共配准到一个公共空间。该数据集的创建旨在促进新的分割技术的发展，测试胎儿脑部超声的配准方法，并将研究扩展到纵向数据集，以检测新图像中的异常。此外，该数据集还可以用于研究2D到3D超声配准技术，并确定与图谱相比的“真实年龄”和潜在的异常。这些研究方向对于理解正常脑部发育、识别潜在偏差以及开发新的诊断技术具有重要意义。

相关研究论文

• A benchmark for 2D foetal brain ultrasound analysis

  悉尼大学脑与心智中心 · 2024年