TotalSegmentator-MR-Lite

这是一个基于TotalSegmentator数据集的衍生数据集，包含616个MR图像和对应的50种结构的分割掩模。所有分割掩模被合并到一个单独的`nii.gz`文件中，并存放在`Masks`文件夹下，所有MR图像被移动到`Images`文件夹下。每个图像和掩模都根据病例ID重新命名。该数据集遵循CC BY-NC-SA 2.0许可证发布。

This is a derivative dataset based on the TotalSegmentator dataset, which contains 616 MR images and corresponding segmentation masks for 50 structures. All segmentation masks are merged into a single `nii.gz` file and stored in the `Masks` folder, while all MR images are placed in the `Images` folder. Each image and its corresponding mask are renamed according to the case ID. This dataset is released under the CC BY-NC-SA 2.0 license.

原始信息汇总

数据集概述

数据集名称

TotalSegmentator-MR-Lite

任务类别

• 图像分割 (image-segmentation)

语言

• 英语 (en)

标签

• 医学 (medical)
• 图像 (image)

数据集大小

• 小型数据集 (n<1K)

许可

Creative Commons Attribution-NonCommercial-ShareAlike 2.0 (cc-by-nc-sa-2.0)

数据集简介

该数据集是TotalSegmentator数据集的派生版本，包含616个MR图像及其对应的50个结构的分割掩模。

• 多个分割掩模被合并到一个单独的nii.gz文件中，存放在Masks文件夹下。
• 所有图像和掩模都根据病例ID进行了重命名。

官方发布

• GitHub (官方): TotalSegmentator (Apache-2.0 许可)
• 数据 (官方): Zenodo (CC BY-NC-SA 2.0 许可)

下载方式

bash pip install huggingface-hub[cli] huggingface-cli login --token $HF_TOKEN

python from huggingface_hub import snapshot_download snapshot_download(repo_id="YongchengYAO/TotalSegmentator-MR-Lite", repo_type=dataset, local_dir="/your/local/folder")

分割标签

python labels_MR = { 1: "spleen", 2: "kidney_right", 3: "kidney_left", 4: "gallbladder", 5: "liver", 6: "stomach", 7: "pancreas", 8: "adrenal_gland_right", 9: "adrenal_gland_left", 10: "lung_left", 11: "lung_right", 12: "esophagus", 13: "small_bowel", 14: "duodenum", 15: "colon", 16: "urinary_bladder", 17: "prostate", 18: "sacrum", 19: "vertebrae", 20: "intervertebral_discs", 21: "spinal_cord", 22: "heart", 23: "aorta", 24: "inferior_vena_cava", 25: "portal_vein_and_splenic_vein", 26: "iliac_artery_left", 27: "iliac_artery_right", 28: "iliac_vena_left", 29: "iliac_vena_right", 30: "humerus_left", 31: "humerus_right", 32: "scapula_left", 33: "scapula_right", 34: "clavicula_left", 35: "clavicula_right", 36: "femur_left", 37: "femur_right", 38: "hip_left", 39: "hip_right", 40: "gluteus_maximus_left", 41: "gluteus_maximus_right", 42: "gluteus_medius_left", 43: "gluteus_medius_right", 44: "gluteus_minimus_left", 45: "gluteus_minimus_right", 46: "autochthon_left", 47: "autochthon_right", 48: "iliopsoas_left", 49: "iliopsoas_right", 50: "brain" }

搜集汇总

数据集介绍

构建方式

TotalSegmentator-MR-Lite数据集是在TotalSegmentator的基础上派生而来，该数据集整合了616个磁共振成像（MR）图像及其对应的50种结构的分割掩膜。数据集的构建过程包括将多个分割掩膜合并为一个单一的`nii.gz`文件，并存放在`Masks`文件夹中，同时将所有MR图像移动至`Images`文件夹中，所有图像和掩膜均按照病例ID进行了重命名。

特点

该数据集的特点在于其专注于医学图像分割任务，包含了丰富的标注结构，涵盖了人体多个重要器官和部位。数据集遵循CC BY-NC-SA 2.0版权协议发布，保证了用户在非商业用途下的使用和分享权利。此外，数据集规模适中，易于管理和处理。

使用方法

用户可以通过Huggingface Hub提供的命令行工具或Python库来下载TotalSegmentator-MR-Lite数据集。下载后，用户可以根据提供的Python代码片段访问数据集中的分割标签，进而进行数据加载和预处理。数据集的结构化存储使得其适用于多种医学图像分析任务，如器官识别和疾病诊断等。

背景与挑战

背景概述

TotalSegmentator-MR-Lite数据集是在医学图像分析领域具有重要地位的一个衍生数据集。它基于TotalSegmentator数据集，由616幅磁共振成像（MR）图像及其对应的50种结构的分割掩模构成。该数据集的创建旨在推动医学图像分割技术的发展，尤其是对人体内部结构的精准识别与分割。该数据集由wasserth等研究人员开发，并于特定时间发布，遵循CC BY-NC-SA 2.0许可协议，可在学术和研究中免费使用，但需遵守非商业性原则。该数据集的发布，对于医学图像处理、计算机视觉以及相关临床应用研究具有重要的推动作用。

当前挑战

尽管TotalSegmentator-MR-Lite数据集为医学图像分割领域提供了宝贵的资源，但在实际应用中仍面临一些挑战。首先，数据集规模相对较小，可能会限制模型学习的深度和泛化能力。其次，由于医学图像分割的复杂性，对50种不同结构的精确分割仍然极具挑战性，尤其是在区分相邻结构时。此外，数据集构建过程中的标准化和标注一致性也是保证研究质量的关键因素，这对于保证数据集的可靠性和重复性至关重要。

常用场景

经典使用场景

在医学图像分析领域，TotalSegmentator-MR-Lite数据集以其精确的图像分割标注，成为研究者在进行医学图像分割任务时的首选资源。该数据集包含616个MR图像及其对应的50种结构的分割掩模，为研究者提供了一个全面而细致的医学图像分割研究平台。

实际应用

在实际应用中，TotalSegmentator-MR-Lite数据集被广泛应用于医疗诊断辅助系统，如辅助医生进行肿瘤识别、器官测量等，显著提升了诊断的准确性和效率。

衍生相关工作

基于TotalSegmentator-MR-Lite数据集，研究者们衍生出了一系列相关工作，如改进的图像分割算法、医学图像的深度学习模型等，推动了医学图像分析技术的发展，并为相关领域的临床应用提供了强有力的支持。