R-D-Reg

R-D-Reg是由南方医科大学团队构建的颈椎CT-MRI多模态配准标注数据集，包含配对的CT/MRI影像及结构注释。该数据集通过分割掩模生成并经过人工验证，为颈椎刚性-形变混合配准研究提供了标准化基准。其数据来源于临床术前规划场景，旨在解决颈椎区域解剖结构复杂、模态间差异大导致的配准难题，可支持骨科手术导航、多模态影像融合等应用。

R-D-Reg is a multi-modal registration and annotation dataset for cervical spine CT-MRI constructed by the team from Southern Medical University. It contains paired CT/MRI images and structural annotations. Generated using segmentation masks and manually validated, this dataset provides a standardized benchmark for research on rigid-deformable hybrid cervical spine registration. The data originates from clinical preoperative planning scenarios, aiming to address the registration challenges caused by the complex anatomical structure of the cervical spine and large inter-modal differences, and supports applications such as orthopedic surgical navigation and multi-modal image fusion.

原始信息汇总

数据集概述：MSR-registration（CT-MRI 配准）

一、核心任务

• 任务类型：医学图像配准，聚焦于CT与MRI图像的跨模态配准。

二、数据集资源

• 数据集名称：R-D-Reg 数据集。
• 访问方式：通过夸克网盘获取（链接：https://pan.quark.cn/s/a5ad35418ca9?pwd=YRr4）。
• 处理流程：完整的数据处理流程和数据集将公开提供。

三、相关权重

• HN（头颈部）：基于 nnU-Net（https://github.com/mic-dkfz/nnunet）训练的权重，将存储于云盘。
• TH（胸部）：基于 TotalSegmentator（https://github.com/wasserth/totalsegmentator）训练的权重，将存储于云盘。

四、环境配置

• 推荐环境：Mamba 环境，配置参考教程：https://blog.csdn.net/qq_45645368/article/details/141031972。

五、代码与论文

• 代码基础：基于 MambaMorph（https://github.com/Guo-Stone/MambaMorph）。
• 相关论文：https://arxiv.org/abs/2604.27654。

六、框架与结果

• 框架图示：展示了配准框架的架构图（来源 GitHub 附件图片）。
• 结果图示：展示了配准结果的可视化效果（来源 GitHub 附件图片）。
• 数据流程：展示了完整的数据处理流程（来源 GitHub 附件图片）。

搜集汇总

数据集介绍

构建方式

R-D-Reg数据集基于SynthRAD 2025挑战赛数据构建，涵盖头颈部和胸部两个解剖区域。每例样本包含配对的CT与MRI体数据及对应的解剖分割掩膜。数据处理流程包括：对MRI进行N4偏置场校正以消除强度不均；初步裁剪去除背景区域；使用nnU-Net和TotalSegmentator工具自动分割解剖结构，再经人工核验确保标注质量；执行刚性预配准建立统一空间基准；依据分割掩膜自适应裁剪感兴趣区域；最终统一重采样至标准分辨率。该流程产出了具有完整结构标注且空间对齐的CT-MRI配准数据集。

特点

该数据集的核心特点在于其为颈椎CT-MRI刚柔混合配准提供了首个标准化基准。与现有公开数据集不同，R-D-Reg不仅包含多模态医学影像对，还提供精细的椎体结构分割掩膜，支持需分割引导的配准方法。数据集涵盖C1-C4颈椎和T6-T9胸椎等关键解剖结构，空间分辨率统一为1×1×1mm³或1×1×3mm³。通过严格的去标识化处理和数据预处理流水线，确保了跨模态结构一致性。此外，公开的分割模型权重有助于复现性，使研究者能够在统一框架下公平评估刚柔混合配准方法的性能。

使用方法

研究者可直接下载配对的CT-MRI影像及其分割掩膜，用于训练和评估多模态配准模型。建议将数据划分为训练集、验证集和测试集（如头颈部54/6/8例），采用Dice相似系数、95% Hausdorff距离和雅可比行列式等指标评估配准精度与解剖合理性。该数据集特别适合开发刚柔混合配准框架，可将分割掩膜作为刚性模块的引导信息，分别估计各椎体的局部刚体运动参数。配套的开源代码库提供了完整的数据处理流水线和基线方法，便于研究者复现实验结果并进行公平的方法对比。

背景与挑战

背景概述

颈椎区域因其解剖结构复杂、个体差异显著，且毗邻椎动脉与脊髓等关键组织，在术前规划中对CT与MRI的精准配准提出了极高要求。然而，由于刚性-可变形混合建模研究的匮乏以及高质量多模态标注数据的稀缺，该领域的进展长期受限。为弥补这一空白，南方医科大学等多机构联合团队于2026年构建并公开了R-D-Reg数据集，专注于颈椎CT-MRI的刚性-可变形混合配准任务。该数据集涵盖头颈部与胸部子集，包含配对的CT和MRI体数据及经过人工校验的精细解剖分割标注，为评估和推动复杂关节结构的多模态配准方法提供了标准化基准，具有重要的学术与应用价值。

当前挑战

R-D-Reg数据集所应对的核心挑战在于颈椎CT-MRI配准中刚性骨结构与可变形软组织之间的协同建模难题。全局刚性配准难以捕获椎骨间的局部运动差异，而纯可变形模型则常忽略骨性结构的刚性约束，导致解剖一致性受损。此外，传统方法在特征表示上存在局限：卷积网络难以捕捉长程依赖，Transformer虽能建模全局交互却对局部细节敏感度不足。数据集构建过程中亦面临挑战，包括跨模态图像间较大的灰度非均匀性、需要从现有数据中筛选并精确定位颈椎区域，以及借助nnU-Net与TotalSegmentator进行自动分割后仍需逐例人工校验以确保标注质量。

常用场景

经典使用场景

R-D-Reg数据集的核心应用场景在于评估和训练面向颈椎区域的CT-MRI多模态刚性-可变形混合配准算法。由于颈椎解剖结构复杂，包含多个具有相对独立刚性运动的椎骨以及包围其间的可变形软组织，传统的单一配准模型难以同时满足骨结构刚性和软组织非线性的双重要求。该数据集为研究者提供了一个标准化的基准平台，能够有效验证如MSR框架等混合配准方法在颈椎这一典型铰链结构上的表现。通过提供带有结构标注的配对影像，它使得对刚性模块的局部对齐能力、可变形模块的全局与局部建模能力，以及二者融合策略的有效性进行系统化的定量分析成为可能。

解决学术问题

该数据集核心解决了颈椎CT-MRI配准领域缺乏高质量、带有精细结构标注的公开多模态基准数据的学术困境。在R-D-Reg发布之前，该领域的研究多依赖私有数据集，导致方法难以复现、性能比较缺乏公平性。此数据集通过提供多中心数据（包含颈部、头颈和胸部区域），为科研人员系统性地研究刚性-可变形混合配准问题奠定了基础。其发布加速了学术界对“如何在单一框架内联合建模骨性结构的全局刚性与软组织的局部非线性形变”这一关键科学问题的探索，推动了配准方法在保持解剖结构一致性（如避免椎骨形变）的同时提升精度的研究进程。

衍生相关工作

R-D-Reg数据集的发布直接催生并验证了其伴随工作MSR框架——一种结构感知的刚性-可变形混合配准方法。MSR框架通过一个掩膜引导的刚性配准模块为每块椎骨独立估计局部刚性运动，同时设计了一个创新的MSL（Mamba-Swin Layer）可变形模块，以门控机制自适应融合基于状态空间模型（Mamba）的全局建模与基于Swin-Transformer的局部建模。该工作首次系统地针对颈椎CT-MRI配准问题构建了刚性-可变形混合配准框架，并在多数据集上证明了其相对于纯可变形模型（如VoxelMorph, TransMorph）及引入刚性约束的其他变体（如TransMorph-rigid）的优越性，为后续研究者在多模态关节结构配准中探索混合模型与特征融合策略提供了重要的基线工作与可复现的基准。