fastMRI Breast

fastMRI Breast是由纽约大学格罗斯曼医学院放射学中心高级成像创新与研究部创建的公开可用径向k空间数据集，专注于乳腺动态对比增强MRI。该数据集包含300个病例，涵盖了不同类型的乳腺病变，包括恶性肿瘤和良性病变。数据集的创建过程涉及从临床乳腺MRI检查中收集和匿名化原始k空间数据，并提供重建图像和DICOM文件。此数据集旨在支持快速和定量的乳腺图像重建及机器学习方法的研究，特别适用于解决乳腺DCE-MRI图像重建中的挑战，如时间分辨率和图像质量的权衡。

fastMRI Breast is a publicly available radial k-space dataset created by the Department of Advanced Imaging Innovation and Research, Center for Radiology, NYU Grossman School of Medicine, focusing on breast dynamic contrast-enhanced MRI (DCE-MRI). This dataset contains 300 cases covering various types of breast lesions, including both malignant tumors and benign lesions. The dataset creation process involves collecting and anonymizing raw k-space data from clinical breast MRI examinations, and provides reconstructed images and DICOM files. This dataset aims to support research on fast and quantitative breast image reconstruction and machine learning methods, and is particularly applicable to addressing challenges in breast DCE-MRI image reconstruction, such as the trade-off between temporal resolution and image quality.

搜集汇总

数据集介绍

构建方式

fastMRI Breast数据集的构建基于临床乳腺MRI检查中获得的径向k空间和DICOM数据。该数据集包含了300名患者，其中既有乳腺癌患者，也有非乳腺癌患者，时间跨度从2019年12月至2022年6月。数据采集采用了自由呼吸的黄金角径向VIBE序列，并通过GRASP方法进行重建。每个病例都包括原始径向k空间数据、对应的重建图像系列和DICOM文件，并按照训练集和测试集80:20的比例进行划分，以促进未来机器学习工具的开发和比较。

特点

本数据集的特点在于它是首个公开的乳腺动态对比增强MRI的径向k空间数据集，包含了病例级别的标签，如患者年龄、绝经状态、病变状态（阴性、良性、恶性）以及病变类型。此外，数据集提供了开源的图像重建代码，支持用户进行动态和定量乳腺图像重建以及机器学习方法的研究。

使用方法

用户可以通过接受数据共享协议后，获得数据集下载链接。数据集包含了原始的k空间数据、重建的图像系列以及DICOM文件，并伴有相应的临床标记信息、数据划分和重复扫描标识。同时，提供了一份示例GPU-based GRASP重建代码，帮助用户利用径向k空间数据进行动态图像重建，并以不同的时间分辨率保存为HDF5和DICOM文件格式。

背景与挑战

背景概述

在医学成像领域，动态对比增强磁共振成像（DCE-MRI）是评估乳腺癌患者的重要手段。fastMRI Breast数据集的发布，标志着首个公开的大型乳腺DCE-MRI原始k空间和DICOM数据集的诞生。该数据集由纽约大学格罗斯曼医学院的放射ology系中心for Advanced Imaging Innovation and Research (CAI2R)以及德国埃尔朗根-纽伦堡大学的人工智能生物医学工程系共同发起，并由Eddy Solomon博士主导。该数据集包含了300名患者的临床乳腺MRI检查数据，涵盖了不同年龄、 менопауза状态、病变状态（阴性、良性、恶性）以及病变类型。这一数据集的公开，为快速定量乳腺图像重建和机器学习方法的研究与发展提供了强有力的支持，对相关领域产生了深远的影响。

当前挑战

尽管fastMRI Breast数据集为研究提供了宝贵的资源，但在使用过程中也面临诸多挑战。首先，该数据集解决的领域问题是乳腺DCE-MRI的图像重建，需要克服的挑战包括如何从原始k空间数据中准确重建出高质量的图像，并提取出有用的对比动力学信息。其次，在构建过程中，确保数据的质量、完整性和安全性是关键。此外，数据集的多样性和代表性对于训练出具有广泛适用性的机器学习模型至关重要。最后，开源重建代码的可用性和易用性也是推广该数据集使用的一个重要挑战。

常用场景

经典使用场景

在医学影像研究领域，fastMRI Breast数据集的典型应用场景是作为一种资源，支持快速定量乳腺图像重建和机器学习方法的研发。该数据集包含大量乳腺动态对比增强磁共振成像（DCE-MRI）的原始径向k空间数据和病例级别的标签，使得研究者能够在不依赖传统重建方法的情况下，探索新的重建算法和机器学习模型，以改善乳腺病变的诊断过程。

衍生相关工作

基于fastMRI Breast数据集，衍生出了一系列相关研究工作，包括但不限于改进的图像重建算法、机器学习在乳腺成像中的应用研究，以及针对特定病变类型的诊断模型开发。这些工作不仅推动了医学影像领域的技术进步，也为未来的跨学科合作和临床实践提供了新的视角和工具。

数据集最近研究

最新研究方向

fastMRI Breast数据集的发布，为乳腺动态对比增强磁共振成像（DCE-MRI）领域的研究提供了宝贵的原始k空间数据。该数据集结合了高空间分辨率和灵活的时间分辨率，通过采用黄金角径向采样和压缩感知技术，为乳腺癌的诊断提供了新的视角。近期研究方向主要集中在利用该数据集开发快速的图像重建方法和机器学习算法，以改善形态学特征的评估和对比动力学信息的提取。这一进展对于提高乳腺癌诊断的准确性和效率具有重要意义。

相关研究论文

• fastMRI Breast: A publicly available radial k-space dataset of breast dynamic contrast-enhanced MRI

  纽约大学格罗斯曼医学院放射学中心高级成像创新与研究部 · 2024年