Fetal Tissue Annotation Dataset (FeTA)

FeTA数据集由苏黎世大学儿童医院MR研究中心创建，包含50个手动分割的胎儿脑部磁共振成像数据，涵盖20至33周的妊娠期，分为7种不同组织类别。该数据集旨在作为自动多类语义或实例分割算法的训练数据集，已用于研究如网络训练和转移学习在胎儿脑部分割中的作用。数据集的创建过程涉及从多个临床ssFSE扫描重建胎儿脑部SR体积，并进行手动分割。应用领域包括支持决策制定、产前规划和更好地理解先天性疾病的根本原因。

The FeTA dataset was developed by the MR Research Center at the University Children's Hospital Zurich. It comprises 50 manually segmented fetal brain magnetic resonance imaging (MRI) volumes, spanning gestational ages from 20 to 33 weeks, with 7 distinct tissue annotation categories. This dataset serves as a training benchmark for automated multi-class semantic or instance segmentation algorithms, and has been employed to explore the roles of network training and transfer learning in fetal brain segmentation. The dataset construction process involves reconstructing fetal brain super-resolution (SR) volumes from multiple clinical ssFSE scans, followed by manual segmentation. Its application domains include supporting clinical decision-making, prenatal planning, and gaining a deeper understanding of the underlying causes of congenital diseases.

搜集汇总

数据集介绍

构建方式

Fetal Tissue Annotation Dataset (FeTA) 的构建基于50个手动分割的胎儿磁共振脑部体积重建，涵盖了20至33周的妊娠期，并分为7种不同的组织类别（外部脑脊液、灰质、白质、脑室、小脑、深层灰质、脑干/脊髓）。数据集的构建过程包括从临床获取的T2加权单次快速自旋回波（ssFSE）扫描中重建超分辨率（SR）体积，并进行手动分割。每个体积的重建质量由三位独立评审员使用Likert量表进行评估，以确保数据集的真实性和适用性。

使用方法

FeTA 数据集主要用于训练和验证自动多类语义或实例分割算法。用户可以通过访问Synapse平台获取数据集，并根据提供的指南进行数据处理和模型训练。数据集的分割挑战也鼓励研究团队开发和提交自动分割算法，以促进胎儿脑部分割技术的发展。通过使用该数据集，研究人员可以开发出更精确和可重复的胎儿脑部分析方法，从而支持产前规划和先天性疾病的理解。

背景与挑战

背景概述

Fetal Tissue Annotation Dataset (FeTA) 是由 Kelly Payette 等研究者在2021年提出的，旨在为胎儿脑部多组织分割算法提供一个公开的数据库。该数据集包含了50个手动分割的胎儿脑部磁共振成像（MRI）体积重建，涵盖了20至33周的妊娠期，并分为7种不同的组织类别。FeTA的创建是为了促进对正常胎儿和患有先天性疾病的胎儿神经发育的定量分析，从而推动自动多组织胎儿脑部分割算法的发展。该数据集的发布对胎儿MRI领域的研究具有重要意义，因为它填补了该领域缺乏公开、经过整理和标注的真实数据集的空白。

当前挑战

FeTA数据集在构建过程中面临了多个挑战。首先，胎儿脑部的快速发育和复杂的解剖结构变化使得分割任务变得异常复杂。其次，由于胎儿在MRI扫描过程中无法保持静止，图像中常常存在运动伪影和模糊现象，这进一步增加了分割的难度。此外，现有的脑组织分割方法大多基于正常发育的胎儿，而FeTA数据集中包含了病理和非病理的胎儿脑部图像，这要求算法能够处理更为多样和复杂的情况。最后，数据集的标注过程中存在较高的标注者间变异性，这表明需要更多的多标注者共识来提高标注的准确性和一致性。

常用场景

经典使用场景

Fetal Tissue Annotation Dataset (FeTA) 主要用于开发和评估自动多组织胎儿脑部分割算法。该数据集包含50个手动分割的胎儿脑部磁共振成像（MRI）体积，涵盖20至33周的妊娠期，分为7种不同的组织类别。这些数据为研究人员提供了一个基准，用于训练和验证自动分割算法，特别是在处理快速变化的胎儿脑部解剖结构时。

解决学术问题

FeTA 数据集解决了在胎儿脑部MRI图像中缺乏高质量、多类别分割数据的问题。通过提供详细的手动分割标签，该数据集有助于改进自动分割算法的准确性和鲁棒性，特别是在处理病理和非病理胎儿脑部时。这不仅推动了胎儿脑部发育研究，还为先天性疾病的早期诊断和治疗提供了重要工具。

实际应用

FeTA 数据集在临床实践中具有广泛的应用前景。它可以帮助医生和研究人员更准确地分析胎儿脑部的发育情况，特别是在超声图像不清晰或需要更精确诊断的情况下。通过自动分割算法，可以快速且准确地评估胎儿脑部的结构和体积，从而为产前诊断和治疗计划提供有力支持。

数据集最近研究

最新研究方向

在胎儿脑部发育研究领域，Fetal Tissue Annotation Dataset (FeTA) 数据集的最新研究方向主要集中在自动多组织胎儿脑部分割算法的开发与评估。该数据集包含了50个手动分割的病理和非病理胎儿磁共振脑部体积重建，涵盖了20至33周的妊娠期，并分为7种不同的组织类别。研究者们通过该数据集，评估了多种自动多组织分割算法的准确性，展示了数据集在开发自动算法方面的优势。此外，该数据集的发布还促进了胎儿脑部MRI在诊断先天性疾病中的应用，特别是在超声图像不清晰或需要更准确诊断的情况下。通过这些研究，旨在提高对胎儿脑部发育的定量分析能力，从而更好地理解正常胎儿和先天性疾病胎儿的神经发育过程。

相关研究论文

• An automatic multi-tissue human fetal brain segmentation benchmark using the Fetal Tissue Annotation Dataset

  苏黎世大学儿童医院MR研究中心 · 2021年