CALHippo
收藏资源简介：
CALHippo数据集是一个用于人类海马体的细胞类型解析实例分割和基于密度的介观重建的可重复流程。它包含预处理的高分辨率作物、分类的细胞注释和介观点云，可用于跳过数据预处理、分割和分类步骤，从BigBrain组织切片生成生物合理的3D细胞点云。
The CALHippo dataset is a reproducible workflow for cell type-resolved instance segmentation and density-based mesoscopic reconstruction of the human hippocampus. It includes preprocessed high-resolution crops, classified cell annotations, and mesoscopic point clouds, which eliminates the need for data preprocessing, segmentation and classification steps to generate biologically plausible 3D cellular point clouds from BigBrain tissue sections.
数据集概述：CALHippo Framework
CALHippo Framework 是与 CALHippo 数据集 相关联的官方代码库，提供了一个多尺度工作流程，用于从 BigBrain 组织学切片生成生物可信的 3D 细胞点云，桥接微观细胞实例与宏观脑结构。
核心功能与流程
该框架包含一个完整的处理管线，主要步骤为：
- 预处理：处理原始高分辨率（HR）和低分辨率（LR）的 BigBrain 切片。
- 细胞分割与分类：在高分辨率切片中分割并分类细胞。
- 标注映射：将高分辨率标注映射到低分辨率空间。
- 密度模型训练：训练低分辨率密度模型。
- 全片推理：对整个切片进行低分辨率推理。
- 点云重建：重建 3D 点云输出。
数据集内容
已发布的 CALHippo 数据集（可通过 https://ditto.ing.unimore.it/calhippo/ 获取）包含：
- 24 张高分辨率 BigBrain 切片，带有 CA1-CA4 区域的细胞标注。
- 一个中尺度点云。
- 预处理的 HR 裁剪图、分类的细胞标注。
使用此数据集可以跳过 HR 数据预处理、分割和分类步骤。
技术环境与依赖
- Python 版本：3.10 - 3.13
- 包管理器：uv
- 深度学习框架：PyTorch 2.9+ 和 TensorFlow 2.20+
- 预训练模型：可通过 Hugging Face (https://huggingface.co/AImageLab-Zip/CALHippo-Framework-Models) 获取。
使用路径
用户可根据目标选择以下路径：
- 直接使用已发布数据集：下载 CALHippo 数据集并跳过 HR 管线。
- 复现完整流程：从原始数据开始，按照数据设置和管线文档进行操作。
数据布局
数据目录遵循 <DATA_ROOT> 约定，关键文件夹包括：
- 原始输入：
<DATA_ROOT>/raw/high_res,.../low_res,.../masks - 预处理输出：
<DATA_ROOT>/input/all_regions,.../single_regions - 管线输出：
<DATA_ROOT>/output/segmentation,.../classification,.../lr_density_dataset等 - 密度估计器训练：
<DATA_ROOT>/density_estimator_training - 模型文件：
<DATA_ROOT>/models - 最终点云：
<DATA_ROOT>/output/mesoscale_reconstruction/<PREDICTIONS_NAME>/point_cloud.csv
区域名称
维护的区域名称为：RCA1, RCA2, RCA3, RCA4。
许可证与使用条款
- 源代码：Apache License 2.0。
- 模型权重、数据集、衍生标注等：Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)，仅限非商业学术研究使用。
- 第三方代码：包括 Cellpose、HoVer-Net、InstanSeg、StarDist 等，受其原始许可证约束。
- UNI2-h 权重：不随本仓库分发，用户需自行向上游提供者申请访问权限。
引用信息
如果您使用了该数据集或代码，请引用以下论文：
@inproceedings{2026MICCAI_calhippo, title={CALHippo: Cell Segmentation for Neuronal Density Inference in the Human Hippocampus}, author={Casari, Giovanni and Candeloro, Ettore and Gandolfi, Daniela and Mapelli, Jonathan and Bolelli, Federico and Grana, Costantino}, year={2026}, month={June}, book={Medical Image Computing and Computer Assisted Intervention – MICCAI 2026}, booktitle={Medical Image Computing and Computer Assisted Intervention – MICCAI 2026}, venue={Strasbourg, France}, keywords={Human Brain, Cell Segmentation, Density Estimation} }
