Brain 3D Vessel Datasets

本项目的目的是介绍大脑血管相关的3D数据集。公开的数据集包括MIDAS、TubeTK。数据集来自the CASILab at The University of North Carolina at Chapel Hill，其目标之一是通过对大脑MR图像定义的结构形状进行统计分析来评估疾病。作者提供了一个设计的MR数据库，包含100名健康受试者的大脑图像，其中每十年为一组，每组扫描20名患者，每组均等按性别划分，并排除任何糖尿病、高血压、头部外伤、精神疾病或其他可能影响大脑的症状或病史的受试者。图像是在标准化协议下通过Siemens Allegra head-only 3T MR system获取的。

The objective of this project is to introduce a 3D dataset related to cerebral vasculature. The publicly available datasets include MIDAS and TubeTK. These datasets originate from the CASILab at The University of North Carolina at Chapel Hill, with one of their goals being to assess diseases through statistical analysis of structural shapes defined by brain MR images. The authors have provided a designed MR database containing brain images of 100 healthy subjects, grouped by decade with 20 patients scanned per group, equally divided by gender, and excluding any subjects with diabetes, hypertension, head trauma, psychiatric disorders, or other symptoms or medical histories that could affect the brain. The images were acquired under a standardized protocol using a Siemens Allegra head-only 3T MR system.

原始信息汇总

数据集概述

数据集名称

Designed Database of MR Brain Images of Healthy Volunteers

数据来源

CASILab at The University of North Carolina at Chapel Hill

数据目的

通过对大脑MR图像定义的结构形状进行统计分析来评估疾病，了解健康解剖结构的形状范围。

数据内容

• 包含100名健康受试者的大脑图像，按年龄分组（18-29、30-39、40-49、50-59和60+），每组20名患者，性别均等分布。
• 排除有糖尿病、高血压、头部外伤、精神疾病或其他可能影响大脑的症状或病史的受试者。
• 图像获取方式：
  • T1和T2图像：$ 1 imes1 imes1 quad mm^3 $，体积大小为$ 176 imes 256 imes 176 quad voxel $。
  • MRA图像：$ 0.5 imes 0.5 imes 0.8 quad mm^3 $，体积大小为$ 448 imes 448 imes 128 quad voxel $。
  • 扩散张量成像（DTI）：6个方向，体素大小为$ 2 imes 2 imes 2 quad mm^3 $。
• 记录信息：年龄、性别、惯用手和种族。

数据集样本数量

最终提供了109个样本，每个样本包含MRA模态和可能包含其他模态的图像。

数据下载地址

• MIDAS Data Server at Kitware, Inc
• TubeTK社区

数据集附加信息

• MIDAS：未提供血管标记，但有20个样本的动脉血管标签由CLAIM - Charité Lab for AI in Medicine, Charité Universitätsmedizin Berlin提供。
• TubeTK：除了完整数据集外，还包含一个子集，该子集在42个样本中提取的颅内血管系统（中心线 + 半径）。血管网络注释文件为.tre格式，需要转换为矩阵。转换代码可在TubeTK/TubeTK_VascularNetwork_tre2array.py找到。

搜集汇总

数据集介绍

构建方式

Brain 3D Vessel Datasets的构建基于来自the CASILab at The University of North Carolina at Chapel Hill的MR大脑图像数据。该数据集包含100名健康受试者的大脑图像，按年龄和性别均等分组，排除了可能影响大脑健康的病史。图像通过Siemens Allegra head-only 3T MR system获取，包括T1、T2、MRA和DTI等多种模态，确保了数据的多样性和全面性。

特点

该数据集的特点在于其高分辨率的3D图像数据，涵盖了多种成像模态，如T1、T2、MRA和DTI，提供了丰富的解剖结构信息。此外，数据集还包含了详细的受试者信息，如年龄、性别、惯用手和种族，为研究大脑血管的形态学特征提供了坚实的基础。数据集还通过MIDAS和TubeTK两个平台发布，其中TubeTK提供了额外的血管网络注释，进一步增强了数据的可用性。

使用方法

使用Brain 3D Vessel Datasets时，研究者可以通过MIDAS或TubeTK平台下载数据。MIDAS提供了基础的图像数据，而TubeTK则额外提供了血管网络的注释文件，这些文件以'.tre'格式存储，包含了血管中心线的坐标和半径信息。研究者可以使用提供的Python脚本将'.tre'文件转换为矩阵，并保存为NIfTI格式，以便于进一步的分析和处理。

背景与挑战

背景概述

Brain 3D Vessel Datasets是由北卡罗来纳大学教堂山分校CASILab主导创建的一个专注于大脑血管结构的3D数据集。该数据集旨在通过对健康志愿者的大脑MR图像进行统计分析，评估疾病对大脑血管结构的影响。数据集包含100名健康受试者的MR图像，涵盖了不同年龄段和性别，且排除了可能影响大脑健康的病史。图像通过Siemens Allegra 3T MR系统获取，包括T1、T2、MRA和DTI等多种模态，为研究大脑血管的形态学特征提供了丰富的数据支持。该数据集通过MIDAS和TubeTK平台公开，为脑血管疾病的研究和诊断提供了重要的数据基础。

当前挑战

Brain 3D Vessel Datasets在解决脑血管疾病研究中的挑战主要体现在两个方面。首先，数据集的构建面临高精度图像采集和标注的难题，尤其是血管结构的复杂性和多样性使得标注工作极为繁琐。其次，尽管数据集提供了多种模态的图像，但血管标签的覆盖范围有限，仅有部分样本提供了动脉血管标签，这限制了其在全自动血管分割算法中的应用。此外，TubeTK平台提供的血管网络注释文件格式为'.tre'，需要转换为矩阵形式才能进一步分析，这一过程增加了数据处理的技术门槛。这些挑战不仅影响了数据集的广泛应用，也对相关算法的开发提出了更高的要求。

常用场景

经典使用场景

Brain 3D Vessel Datasets 数据集在医学影像分析领域具有重要应用，尤其是在大脑血管的三维重建与分割研究中。该数据集通过提供高分辨率的MR图像和MRA图像，为研究人员提供了丰富的健康大脑血管结构数据。经典的使用场景包括利用这些数据进行血管网络的自动化分割、血管形态的统计分析以及疾病相关的血管异常检测。这些研究不仅有助于理解健康大脑的血管结构，还为脑血管疾病的早期诊断和治疗提供了重要依据。

解决学术问题

该数据集解决了医学影像分析中的多个关键学术问题。首先，它提供了标准化的健康大脑血管数据，填补了健康人群大脑血管形态学研究的空白。其次，通过提供多模态的影像数据（如T1、T2和MRA），研究人员可以更全面地分析血管结构与周围组织的关系。此外，数据集中的血管标签和注释为自动化血管分割算法的开发与验证提供了基础，推动了基于深度学习的脑血管分割技术的发展。这些研究为脑血管疾病的早期诊断和个性化治疗提供了理论支持。

衍生相关工作

该数据集衍生了许多经典的研究工作。例如，CLAIM研究机构基于该数据集开发了BRAVE-NET算法，实现了对脑血管疾病的自动化动脉血管分割。此外，TubeTK社区利用该数据集开发了血管网络注释工具，支持研究人员对血管中心线和半径进行精确分析。这些工作不仅推动了脑血管影像分析技术的发展，还为其他医学影像数据集的处理提供了参考。基于该数据集的研究成果已在多个国际期刊和会议上发表，进一步扩大了其学术影响力。