CMRxRecon2024

CMRxRecon2024数据集由复旦大学创建，是目前最大的公开心脏MRI k空间数据集，涵盖了多种临床常用的心脏MRI工作流程中的模式、解剖视图和采集轨迹。该数据集包含330名健康志愿者的原始多线圈MRI k空间数据，涉及心脏电影、T1/T2映射、标记、相位对比和黑血成像等多种模式。数据集的创建过程包括数据采集、准备和质量控制，旨在促进心脏MRI重建方法的技术发展、公平评估和临床转化，以实现快速和鲁棒的重建框架，解决数据驱动的人工智能在心脏MRI重建中的数据缺乏问题。

The CMRxRecon2024 dataset, developed by Fudan University, is currently the largest publicly available cardiac MRI k-space dataset. It encompasses a wide range of modalities, anatomical views and acquisition trajectories utilized in clinically routine cardiac MRI workflows. This dataset includes raw multi-coil MRI k-space data from 330 healthy volunteers, covering multiple modalities such as cardiac cine imaging, T1/T2 mapping, tagging, phase-contrast imaging and black-blood imaging. The dataset was constructed through data acquisition, preparation and quality control procedures. Its core objective is to advance the technical development, fair evaluation and clinical translation of cardiac MRI reconstruction methods, facilitate the establishment of fast and robust reconstruction frameworks, and address the data scarcity issue of data-driven artificial intelligence in cardiac MRI reconstruction.

原始信息汇总

数据集详情总结

概述

• 数据集详情页面包含大量CSS样式定义，用于控制页面的视觉呈现。

样式细节

• 样式定义涉及多种UI组件，如按钮、警告框、工具提示等。
• 样式属性包括字体、颜色、边距、填充、过渡效果等。
• 样式应用于不同的屏幕尺寸和交互状态（如悬停、激活、禁用）。

具体样式示例

• 按钮样式：定义了字体、颜色、填充、边框半径、过渡效果等。
• 警告框样式：定义了背景颜色、边框、字体大小、对齐方式等。
• 工具提示样式：定义了位置、箭头样式、动画效果等。

结论

• 该数据集详情页面的README文件主要包含CSS样式代码，用于定义页面的视觉和交互效果。

AI搜集汇总

数据集介绍

构建方式

CMRxRecon2024数据集的构建基于330名健康志愿者的多模态、多视角心脏磁共振成像（MRI）数据。数据采集使用3T磁共振扫描仪，配备多通道心脏线圈，涵盖了临床常用的心脏成像协议，包括心脏电影、T1/T2映射、标记、相位对比（如flow2d）和黑血成像。每个志愿者的数据包括多种解剖视图，如长轴（LAX：2腔、3腔和4腔）、短轴（SAX）、左心室流出道（LVOT）和主动脉（横断面和矢状面视图）。此外，数据集还提供了多种k空间欠采样轨迹（如均匀、高斯和伪径向）及不同的加速因子，以模拟不同的加速场景。

特点

CMRxRecon2024数据集以其多样性和高质量著称，是目前公开的最大和最多样化的心脏k空间数据集。它不仅涵盖了多种临床常用的心脏成像模态和解剖视图，还提供了多种欠采样轨迹和加速因子，以支持不同临床场景下的图像重建研究。此外，数据集还包括了详细的元数据，如采集硬件信息、k空间参数和序列参数，以及用于数据加载和重建的工具，极大地促进了数据的使用和方法的开发。

使用方法

CMRxRecon2024数据集的使用方法包括下载数据、加载k空间数据、进行图像重建和性能评估。数据集分为训练集、验证集和测试集，分别用于模型训练、超参数调整和结果比较。用户可以通过提供的Github仓库中的教程和工具，快速上手数据处理和重建方法。此外，数据集还支持在线性能评估，用户可以将重建结果上传至公共排行榜进行比较。数据集的开放性和多样性使其成为心脏MRI重建方法研究和临床应用的重要资源。

背景与挑战

背景概述

心脏磁共振成像（MRI）因其能够提供多模态和详细解剖视图的多样化信息，已成为诊断心脏疾病的临床金标准技术。CMRxRecon2024数据集由厦门大学、帝国理工学院和复旦大学等多家机构的研究人员共同创建，旨在解决心脏MRI重建中数据量和多样性不足的问题。该数据集于2024年发布，包含了来自330名健康志愿者的多模态、多视图k空间数据，覆盖了临床心脏MRI工作流程中常用的模态、解剖视图和采集轨迹。CMRxRecon2024不仅提供了丰富的数据资源，还通过开放平台提供了教程、基准测试和数据处理工具，以促进心脏MRI重建技术的发展和临床应用。

当前挑战

CMRxRecon2024数据集在构建过程中面临多重挑战。首先，心脏MRI数据的采集需要高时空分辨率，涉及多种模态和广泛的心脏覆盖，这增加了数据采集的复杂性和时间成本。其次，现有的心脏MRI数据集在模态和视图的多样性上存在显著不足，限制了深度学习技术在心脏MRI重建中的应用。此外，数据集的构建还需要解决数据匿名化、质量控制和多通道接收阵列的图像重建等技术问题。尽管CMRxRecon2024数据集在多样性和规模上取得了突破，但其单一供应商和单中心的局限性仍需在未来版本中进一步扩展，以涵盖更多临床应用和多样化的患者群体。

常用场景

经典使用场景

CMRxRecon2024数据集在心脏磁共振成像（MRI）领域中，主要用于加速心脏MRI的重建研究。其经典使用场景包括通过多模态、多视角的k空间数据，训练和验证深度学习模型，以实现从欠采样数据中恢复高质量、临床可解释的心脏图像。这些模型能够显著减少扫描时间，提高患者舒适度，并减少运动伪影。

解决学术问题

CMRxRecon2024数据集解决了心脏MRI重建领域中数据量不足和多样性缺乏的问题。通过提供大规模、多样化的k空间数据，该数据集促进了数据驱动的人工智能技术的发展，特别是深度学习在心脏MRI重建中的应用。这不仅推动了技术进步，还为公平评估和临床转化提供了坚实基础。

衍生相关工作

CMRxRecon2024数据集的发布催生了一系列相关研究工作，特别是在心脏MRI重建的深度学习方法方面。例如，基于该数据集的研究已经开发出多种先进的重建模型，如深度卷积神经网络和生成对抗网络。此外，该数据集还促进了跨学科的合作，推动了心脏MRI与其他医学成像技术的融合研究。