MAMA-MIA-Lite

MAMA-MIA-Lite 是 MAMA-MIA 数据集的预处理再分发版本，专为乳腺 DCE-MRI 图像分割任务设计。该数据集包含 1506 例乳腺 DCE-MRI 扫描，每例提供一张第一后对比相位（_0001）的图像及其对应的专家原发肿瘤分割掩码。所有图像和掩码均已格式转换、几何标准化并重定向至 RAS+ 方向。数据集仅包含一个分割标签：breast tumor（乳腺肿瘤），并定义了四个解剖地标点（主轴的端点等）。数据集规模为 1K 至 10K 样本，适用于医学图像分割模型的训练与评估。该数据集已集成到 MedVision 项目中，支持通过多种配置名称（如轴向、冠状、矢状切面的训练/测试集）在 Python 中加载。使用时需遵守 CC BY-NC 4.0 许可协议，并引用原始论文。MAMA-MIA-Lite is a preprocessed and redistributed version of the MAMA-MIA dataset, specifically designed for breast DCE-MRI image segmentation tasks. The dataset contains 1506 breast DCE-MRI scans, each providing a first post-contrast phase (_0001) image and its corresponding expert primary tumor segmentation mask. All images and masks have been format-converted, geometrically normalized, and reoriented to RAS+ direction. The dataset contains only one segmentation label: breast tumor, and defines four anatomical landmark points (e.g., endpoints of principal axes). The dataset size ranges from 1K to 10K samples, suitable for training and evaluating medical image segmentation models. It has been integrated into the MedVision project and supports loading in Python via multiple configuration names (e.g., axial, coronal, sagittal train/test sets). Usage must comply with the CC BY-NC 4.0 license and cite the original paper.

原始信息汇总

MAMA-MIA-Lite 数据集概述

基本信息

• 许可证： CC BY-NC 4.0
• 任务类型： 图像分割（image-segmentation）
• 语言： 英语
• 数据规模： 1K < n < 10K
• 标签： 医学、图像、MRI、乳腺、癌症、分割

数据集内容

该数据集是 MAMA-MIA 的预处理再分发版本，包含 1506 例乳腺 DCE-MRI 扫描，每例均配有专家标注的原发肿瘤分割掩膜。

仓库包含：

• Images/ — 1506 个图像文件
• Masks/ — 1506 个掩膜文件

与源数据集的关系

• 源数据集中每例包含平扫容积及多个增强后 DCE 期相
• 本数据集仅保留第一个增强后（_0001）期相，因为专家肿瘤掩膜绘制在该期相上
• 所有 1506 例均被保留，但每例仅包含一个 DCE 期相
• 标记为 -Lite 表示这是一个派生再分发版本，而非源数据的直接副本

预处理说明

• 使用第一个增强后容积（_0001）作为图像，与专家掩膜绘制的期相一致
• 图像和掩膜统一为 RAS+ 方向；掩膜转换为 uint16 类型
• 排除图像/掩膜对在网格几何上头部信息不一致的案例

分割标签

标签	含义
1	乳腺肿瘤

地标点

地标	定义
P1	主轴最右/前/上端点
P2	主轴最左/上/下端点
P3	次轴最右/前/上端点
P4	次轴最左/上/下端点

集成与加载

该数据集已集成到 MedVision 中，可通过以下配置名称加载数据：

• MAMA-MIA_BoxSize_Task01_{Axial/Coronal/Sagittal}_{Train/Test}
• MAMA-MIA_MaskSize_Task01_{Axial/Coronal/Sagittal}_{Train/Test}
• MAMA-MIA_TumorLesionSize_Task01_{Axial/Coronal/Sagittal}_{Train/Test}

使用条款

• 必须遵守原始数据集的 CC BY-NC 4.0 许可条款
• 建议在出版物中引用本数据集来源：https://huggingface.co/datasets/YongchengYAO/MAMA-MIA-Lite
• 必须引用原始出版物：
  • https://doi.org/10.1038/s41597-025-04707-4
  • https://arxiv.org/abs/2603.01250

官方发布

更多信息请访问官方站点：https://github.com/LidiaGarrucho/MAMA-MIA

搜集汇总

数据集介绍

构建方式

在乳腺癌动态对比增强磁共振成像（DCE-MRI）的肿瘤分割研究中，原始MAMA-MIA数据集涵盖1506例病例，每例包含多个对比增强期相。MAMA-MIA-Lite作为其预处理衍生版本，仅提取专家标注所对应的第一个增强后容积（_0001）作为图像数据，同步配对肿瘤分割掩膜。构建过程中执行了格式转换与几何标准化，将所有容积统一重定向至RAS+坐标系，掩膜数据类型转为uint16，并剔除了图像与掩膜头文件网格几何不一致的配对。最终形成1506例图像与掩膜一一对应的轻量化数据集，旨在为MedVision基准测试提供可复现的标准化输入。

使用方法

研究者可通过HuggingFace Hub的snapshot_download函数直接获取数据集至本地目录，实现快速部署。在MedVision框架内，用户可依据任务类型与解剖平面选择预设配置名称，如轴向、冠状或矢状面下的训练与测试划分，配置项涵盖BoxSize、MaskSize及TumorLesionSize等多种评估维度。分割标签映射仅需将整数值1对应至乳腺肿瘤区域。使用数据时须遵循CC BY-NC 4.0非商业许可协议，并在学术出版物中引用原始MAMA-MIA数据集及MedVision相关文献，以确保学术规范与数据溯源的完整性。

背景与挑战

背景概述

乳腺动态对比增强磁共振成像（DCE-MRI）是乳腺癌精准诊疗的关键影像手段，肿瘤自动分割则构成病灶定量分析与疗效评估的基础环节。MAMA-MIA-Lite于2026年7月作为MAMA-MIA数据集的衍生版本公开发布，由研究团队在原始多中心乳腺MRI资源基础上构建，旨在为医学影像分割算法提供经过统一预处理的基准数据。该数据集涵盖1506例乳腺DCE-MRI扫描及专家标注的原发肿瘤分割掩膜，通过格式转换与几何标准化，显著降低了跨中心数据的异质性，为乳腺肿瘤分割方法的可复现评测与公平比较奠定了数据基础。

当前挑战

乳腺DCE-MRI肿瘤分割面临病灶形态异质、边界模糊以及对比剂增强模式多变等固有困难，肿瘤与周围腺体组织的灰度对比度低，致使精确勾勒极具挑战。在数据集构建层面，原始多中心数据的采集协议、体素间距与图像朝向存在显著差异，需经格式转换、几何归一化及RAS+重定向等步骤方能统一，且仅保留标注所在的首个增强期相，如何在剔除未标注期相的同时确保数据完整性与临床可解释性，构成另一重难题。上述因素共同制约着分割模型在真实临床环境中的泛化能力与鲁棒性。

常用场景

经典使用场景

在乳腺动态对比增强磁共振成像（DCE-MRI）的肿瘤自动分割研究中，MAMA-MIA-Lite数据集构筑了标准化的实验基准。该数据集汇聚1506例经统一预处理的原发性乳腺肿瘤扫描，每例包含预对比期与首期增强后图像，并辅以专家手工勾画的肿瘤分割掩膜。研究者通常将其作为训练与评估深度学习分割模型的黄金标准，借助其规范的RAS+方向与几何归一化特性，系统比较不同网络架构在肿瘤边界刻画上的性能差异，从而推动医学图像分割算法的可重复性验证。

解决学术问题

该数据集有效缓解了乳腺MRI分割研究中数据异质性与标注稀缺的双重困境。通过严格筛选头信息与网格几何一致的图像-掩膜对，并统一重采样与方向对齐，它消除了多中心采集协议差异带来的干扰，使算法性能对比更具公正性。其提供的体素级肿瘤标注为监督学习提供了可靠真值，支撑了从二维切片到三维体积分割的一系列方法学探索，亦为小样本学习、域自适应等前沿课题提供了实证基础，对提升乳腺肿瘤影像分析的鲁棒性与泛化能力具有深远意义。

实际应用

在临床辅助诊断与治疗规划场景中，MAMA-MIA-Lite助力构建乳腺肿瘤自动勾画工具，减轻放射科医师手工标注的繁重负担。基于该数据集训练的模型可集成至影像归档与通信系统，实现肿瘤体积的快速量化与动态监测，辅助新辅助化疗疗效评估。其预处理的标准化格式亦便于多中心研究协作，推动人工智能模型在真实临床工作流中的部署，为精准医学时代的乳腺影像学实践提供数据支撑。

数据集最近研究

最新研究方向

在乳腺动态对比增强磁共振成像（DCE-MRI）领域，MAMA-MIA-Lite的发布正逢人工智能辅助肿瘤精准分割研究快速迭代的时期。该数据集通过标准化预处理，仅保留专家标注的第一期增强图像，为多中心数据异质性校正、跨设备泛化性评估以及基于解剖方向（轴向、冠状、矢状）的三维肿瘤分割基准构建提供了可控实验条件。其与MedVision平台的整合，进一步推动了多任务基准测试的规范化，使研究者能够系统探究肿瘤尺寸、掩膜尺寸与边界框尺寸等变量对分割性能的影响。这一资源不仅降低了大模型训练中的数据门槛，也为可重复性研究、联邦学习场景下的隐私保护分割以及多模态融合策略提供了关键支撑，对提升乳腺癌早期诊断的定量影像学分析具有实质意义。