ReMIND2Reg 2025 dataset

ReMIND2Reg 2025数据集是ReMIND数据集的一个预处理子集，包含在2018年至2024年间于美国布莱根妇女医院接受图像引导肿瘤切除手术的连续患者的术前和术中数据。该数据集为术前MRI与术后切除的3D术中超声图像的配对提供了最大的公开基准。数据集包括99个训练案例（93个ceT1，62个T2和99个iUS体积）和5个验证案例（5个ceT1，5个T2和5个iUS体积）。数据集的创建过程包括数据采集、预处理、注释协议和可能的注释误差评估。该数据集旨在解决脑肿瘤手术中因脑移位导致的图像导航系统精度下降的问题，通过多模态图像配准技术来提高手术导航的准确性。The ReMIND2Reg 2025 dataset is a preprocessed subset of the ReMIND dataset, encompassing preoperative and intraoperative data from consecutive patients who underwent image-guided tumor resection surgery at Brigham and Women's Hospital in the United States between 2018 and 2024. This dataset provides the largest publicly available benchmark for paired preoperative MRI and postoperative excised 3D intraoperative ultrasound (US) images. It includes 99 training cases (93 ceT1, 62 T2, and 99 iUS volumes) and 5 validation cases (5 ceT1, 5 T2, and 5 iUS volumes). The dataset creation process involved data acquisition, preprocessing, annotation protocols, and potential annotation error assessment. The dataset is designed to address the issue of decreased image navigation system accuracy due to brain shift during brain tumor surgery, aiming to enhance surgical navigation accuracy through multi-modal image registration techniques.

原始信息汇总

ReMIND2Reg数据集概述

数据集背景

• 应用领域：脑肿瘤手术中的图像配准
• 核心问题：解决脑部手术中由于组织切除和大变形导致的术前MRI与术中超声图像配准难题
• 临床意义：通过3D术中超声补偿脑移位，为外科医生提供持续的手术导航

数据集内容

• 数据来源：布莱根妇女医院(2018-2024年)连续接受图像引导肿瘤切除术的患者
• 模态组成：
  • 术前MRI：对比增强T1加权(ceT1)和原生T2加权(T2)
  • 术中影像：3D术后超声(iUS)
• 数据规模：
  • 训练集：99例患者(99 iUS/93 ceT1/62 T2)，共155个配准对
  • 验证集：5例患者(5 iUS/5 ceT1/5 T2)，共10个配准对
  • 测试集：20个配准对(不公开)

技术特性

• 配准任务：
  • 固定图像：3D术后iUS
  • 移动图像：ceT1或T2
• 预处理：
  • 格式转换：全部转为NIfTI格式
  • 空间对齐：ceT1与T2采用仿射配准(NiftyReg)
  • 重采样：超声图像在术前MR空间重采样
  • 裁剪：统一尺寸256x256x256，间距0.5x0.5x0.5mm

获取方式

• 训练/验证集下载：https://zenodo.org/records/11387725
• 原始数据集信息：https://doi.org/10.1101/2023.09.14.23295596

相关文献

Juvekar, P., et al. (2023). The Brain Resection Multimodal Imaging Database (ReMIND). Nature Scientific Data. https://doi.org/10.1101/2023.09.14.23295596

搜集汇总

数据集介绍

构建方式

ReMIND2Reg 2025数据集构建于ReMIND数据集基础之上，专注于脑肿瘤切除术后的多模态影像配准研究。该数据集包含来自美国布莱根妇女医院2018至2024年间连续手术患者的术前MRI与术中超声影像，经过严格的伦理审查与患者知情同意流程。数据预处理采用统一的空间分辨率（0.5×0.5×0.5mm）和维度标准化（256×256×256），通过神经导航跟踪系统实现初始空间对齐，最终形成99例训练集、5例验证集和10例非公开测试集的三维影像配对组合。

特点

该数据集的核心价值在于其临床复杂性与技术挑战性：首先，它捕捉了脑肿瘤切除术后特有的非线性形变与拓扑结构改变，包含对比增强T1、T2加权MRI与三维术中超声的跨模态配对数据；其次，标注流程采用半自动检测结合双专家共识机制，通过3D-SIFT特征提取与人工校验，确保约10个解剖标志点的空间对应精度达1.89±0.37mm；此外，数据覆盖不同厂商的MRI设备与术中超声系统，模拟了真实临床场景的异质性需求。

使用方法

该数据集通过Grand Challenge平台建立标准化评估框架，支持三种应用模式：训练阶段提供未配对的99例多模态影像供算法开发；验证阶段允许参赛者在5例数据上多次提交配准结果，通过目标配准误差（TRE）、鲁棒性指标（TRE30）和计算效率进行多维评估；测试阶段采用容器化提交确保公平性。评估采用Wilcoxon符号秩检验结合Bootstrap抽样，有效平衡不同病例间标志点数量的差异，最终排名综合几何均值确定，为跨模态配准算法提供临床转化验证平台。

背景与挑战

背景概述

ReMIND2Reg 2025数据集由国际多机构研究团队（包括法国Inria、美国哈佛医学院、约翰霍普金斯大学等）于2025年推出，旨在解决脑肿瘤切除术中多模态影像配准的核心难题。该数据集基于ReMIND数据库构建，包含114例患者的术前MRI（ceT1/T2）与术后三维超声（iUS）配对数据，重点针对脑组织移位导致的导航系统失准问题。作为目前该领域规模最大的公开基准，其通过标准化评估框架推动了计算机辅助神经外科手术的技术发展，相关成果发表于MICCAI等顶级会议。

当前挑战

该数据集面临双重技术挑战：在领域层面，需克服脑切除导致的非线性形变、拓扑结构改变及MRI与超声间的模态鸿沟，这对配准算法的形变建模与跨模态特征匹配提出极高要求；在构建层面，数据采集受限于手术环境（如超声探头移动约束），标注过程需处理跨时期影像的解剖标志迁移误差（平均1.89mm的观察者间变异），且需兼容不同厂商的MRI设备差异。此外，临床实时性要求将算法运行时间纳入核心评估指标，进一步增加了方法设计的复杂度。

常用场景

经典使用场景

ReMIND2Reg 2025数据集在神经外科手术导航系统中发挥了关键作用，特别是在脑肿瘤切除手术中。该数据集通过提供术前MRI和术后3D超声图像的配对数据，为研究人员开发多模态图像配准算法提供了重要资源。这些算法能够有效补偿因脑移位引起的导航误差，帮助外科医生在手术过程中更准确地定位肿瘤边界和关键功能结构。

解决学术问题

ReMIND2Reg 2025数据集解决了脑肿瘤手术中多模态图像配准的多个关键学术问题。首先，它克服了术前MRI和术后超声图像之间的大变形和拓扑变化带来的配准难题。其次，该数据集为研究跨模态图像配准算法提供了标准化评估框架，推动了鲁棒性、泛化性和临床适用性算法的发展。此外，数据集还支持研究如何处理不完整的术前MRI数据，模拟真实临床场景。

衍生相关工作

基于ReMIND2Reg数据集，研究者们已经开发出多项创新性工作。其中包括使用深度学习框架进行端到端的多模态配准、开发能够处理不完整输入数据的鲁棒性算法，以及探索新型的特征提取和匹配方法。这些工作不仅推动了医学图像配准领域的技术进步，也为其他器官系统的术中导航研究提供了借鉴。数据集还催生了一系列关于脑移位建模和预测的研究，为理解手术过程中的生物力学变化提供了新见解。