Comprehensive Liver CT Landmark Pair Dataset

本研究介绍了首个大规模肝脏CT变形图像注册（DIR）地标数据集，由杜克大学创建。该数据集包含30对增强CT图像，总计2028个地标点，平均每对图像约68个地标点，主要分布在肝脏血管分叉处。数据集通过半自动处理流程生成，包括自动分割肝脏和血管、自动检测地标点，并通过手动验证确保准确性。该数据集旨在为DIR算法提供密集的基准，用于定量评估肝脏CT图像的注册精度，适用于手术规划、放射治疗和热消融等临床应用。This study introduces the first large-scale liver CT deformable image registration (DIR) landmark dataset, created by Duke University. This dataset consists of 30 pairs of contrast-enhanced CT images, with a total of 2028 landmark points, averaging approximately 68 landmarks per image pair, which are mainly distributed at the bifurcations of hepatic blood vessels. The dataset is generated via a semi-automated processing pipeline, which includes automatic segmentation of the liver and blood vessels, automatic detection of landmark points, and manual verification to ensure accuracy. This dataset aims to provide a dense benchmark for DIR algorithms, used to quantitatively evaluate the registration accuracy of liver CT images, and is applicable to clinical applications such as surgical planning, radiation therapy, and thermal ablation.

搜集汇总

数据集介绍

构建方式

在可变形图像配准领域，肝脏CT影像的精准评估长期受限于高质量基准数据的匮乏。本数据集的构建采用了一套半自动化的创新流程，旨在高效生成大量具有解剖学意义的标志点对。具体而言，研究团队从多个公开影像库及合作机构获取了30对患者肝脏增强CT影像，并经过伦理审查批准。构建过程首先对影像进行预处理与去噪，随后在质量较优的影像上自动分割肝脏血管树，并检测血管分叉点作为初始标志点。接着，利用先进的参数化图像配准算法pTVreg，将标志点投影至配对影像上，形成初始对应关系。为确保标志点对的精确性与可靠性，最终环节引入了严格的人工验证，由两名观察者独立剔除异常点并确认位置准确性，从而获得了总计2028对经过验证的标志点，平均每对影像包含约68对标志点。

特点

该数据集作为首个面向肝脏CT可变形配准的大规模基准库，其核心特点在于标志点数量与空间分布的显著优势。相较于以往研究通常仅提供5至15对标志点，本数据集平均每例提供约68对标志点，且空间覆盖较为均匀，为配准算法的定量评估提供了密集且可靠的“金标准”。所有标志点均定位于可重复识别的血管分叉处，并通过数字体模评估验证了其高精度，目标配准误差的平均值与标准差仅为0.64±0.40毫米，99%的标志点对误差低于2毫米。此外，数据集源自真实的临床患者影像，涵盖了不同的扫描仪型号、分辨率和图像质量，模拟了临床实践中面临的复杂性与多样性挑战。

使用方法

该数据集为研究者提供了一个标准化平台，用于客观评估和比较不同肝脏CT可变形图像配准算法的性能。数据以NIfTI格式的影像文件和文本格式的标志点坐标形式，通过Zenodo平台公开获取。使用者可访问配套的GitHub页面，获取详细的使用说明和MATLAB示例代码，其中包括用于可视化与操作标志点对的MatchGui工具。在实际应用中，研究者可将待评估的配准算法应用于数据集中的影像对，并计算算法生成的变形场与数据集中提供的标志点对之间的目标配准误差，以此作为量化精度的核心指标。为进一步模拟更具挑战性的临床场景，研究者还可对原始影像进行下采样或添加噪声，以检验算法在图像质量退化条件下的鲁棒性。

背景与挑战

背景概述

在医学影像处理领域，可变形图像配准（DIR）技术对于精准放疗、手术规划等临床任务至关重要，但其性能评估长期缺乏可靠的基准数据集。针对这一需求，杜克大学与华盛顿大学医学院的研究团队于近期共同构建了“Comprehensive Liver CT Landmark Pair Dataset”。该数据集聚焦于肝脏CT影像，旨在通过半自动流程生成大量血管分叉点标志对，为DIR算法提供密集且准确的地面真值基准。其核心研究问题在于解决肝脏DIR评估中标志对数量不足、分布不均的局限，推动肝脏影像配准算法向更高精度与鲁棒性发展。作为首个大规模公开的肝脏CT DIR标志数据集，它不仅填补了该领域基准数据的空白，也为后续肝部影像分析研究奠定了重要基础。

当前挑战

该数据集致力于应对肝脏可变形图像配准评估中的多重挑战。在领域问题层面，肝脏DIR因器官复杂运动、低对比噪声比等特性，其配准误差通常显著高于肺部，现有算法平均目标配准误差达4至8毫米，亟需可靠评估工具以提升临床适用性。在构建过程中，研究团队面临诸多技术难题：首先，肝脏血管对比度低且图像质量参差，导致血管分割与标志检测易受噪声与伪影干扰；其次，全手动标注标志对耗时耗力且存在观察者间差异，而自动化流程又需在效率与准确性间取得平衡；此外，为确保标志对的空间一致性与位置精度，必须设计严谨的半自动工作流并结合人工验证，以剔除错误投影或不可见分叉点等异常标志，最终在30对影像中生成2028个高精度标志对。

常用场景

经典使用场景

在医学影像分析领域，可变形图像配准（DIR）算法的评估长期依赖于可靠的基准数据集。Comprehensive Liver CT Landmark Pair Dataset 作为首个大规模肝脏CT影像的基准数据集，其经典使用场景在于为研究人员提供密集的地标对，以量化评估不同DIR算法在肝脏区域的配准精度。该数据集通过半自动流程生成了2028个地标对，覆盖30对患者CT影像，平均每对包含约68个地标，为算法性能的客观比较奠定了坚实基础。

衍生相关工作

该数据集的发布催生了多项相关研究，尤其是在肝脏DIR算法的优化与验证方面。例如，基于数据集的评估框架被用于测试参数化配准算法（如pTVreg）在肝脏影像中的表现，并推动了深度学习方法在血管分割和地标检测中的应用。此外，数据集启发了跨解剖区域（如肺、头颈部）的类似基准库构建，促进了医学影像配准领域的标准化进程。

数据集最近研究

最新研究方向

在医学图像处理领域，可变形图像配准（DIR）技术对于精准放疗和手术规划至关重要，而肝脏因其复杂的生理运动和较低的图像对比度，成为DIR算法评估中的难点。近期研究聚焦于构建大规模、高精度的肝脏CT标志点对数据集，以解决现有基准数据匮乏的问题。通过半自动化流程结合人工验证，该数据集提供了超过2000个标志点对，平均目标配准误差仅为0.64±0.40毫米，显著提升了算法评估的可靠性与效率。这一进展不仅推动了肝脏DIR算法的优化与验证，还为临床应用中图像引导治疗的精确定位奠定了坚实基础，促进了多中心合作与标准化评估框架的发展。

相关研究论文

• A comprehensive liver CT landmark pair dataset for evaluating deformable image registration algorithms

  杜克大学 · 2024年