FieldBridge-MRI

MRI-PairedField（公开仓库名 FieldBridge-MRI v1.0）是一个用于脑部 MRI 跨场图像翻译的配对数据集。该数据集整合了八个公开来源的配对脑部 MRI 数据，并统一了格式。数据集共包含 161 个案例级配对（同一受试者不同场强的扫描）、259 个同模态图像对（同一对比度、不同场强）以及 518 个完整三维体积。来源覆盖 64 mT、1.5 T、3 T 和 7 T 场强，对比度包括 T1W、T2W 和 T2-FLAIR。所有图像均以 float32 NIfTI 格式提供，重采样至 0.5 mm 各向同性间隔（shape: 364×436×364），并经过掩膜内 N4 偏置校正和最小-最大归一化至 [0,1] 区间，背景体素为零。数据以压缩 NIfTI 文件形式发布，总大小约 20.36 GB。伴随的 pairs.tsv 文件包含每个体素的唯一标识符、来源数据集、配对键、模态、场强、配对场强、相对路径和分组键，用于配对和划分。该数据集适用于基于深度学习的跨场 MRI 图像翻译任务，如低场到高场或高场到低场的图像转换。用户需遵守各原始来源的数据使用条款，并引用原论文及对应数据集记录。ADNI 数据需通过 ADNI 申请获取。

搜集汇总

数据集介绍

构建方式

跨磁场强度脑部MRI的配准与标准化是神经影像领域长期关注的基础问题，FieldBridge-MRI通过整合八个公开数据源构建了系统性的配对数据集。其构建流程涵盖源特异性对齐、掩膜内N4偏置场校正以及基于掩膜的最小-最大归一化，最终将所有影像重采样至MRIxFields2026参考网格上的标准空间。每例受试者以病例级配对键进行标识，形成涵盖161个病例级配对、259个同模态影像配对及518个三维容积的完整集合，并生成便携式配对表以保障数据关联的可追溯性。

特点

该数据集的核心特征在于其跨磁场强度的配对结构，覆盖64 mT至7 T的多个场强区间，囊括T1W、T2W及T2-FLAIR等多种对比度。全部影像以float32 NIfTI格式存储于统一参考网格，体素间距为0.5 mm各向同性，经N4偏置校正与归一化后背景体素置零，确保了跨源数据的一致性。数据集同时提供机器可读的源标识与人类可读的标签映射，并以受试者级别的分组键支持无泄漏的数据划分策略，为跨场翻译研究提供了标准化的基准资源。

使用方法

使用者可通过Hugging Face Hub命令下载完整数据集或按源选择性获取，配套的配对表以逐行记录形式提供唯一卷标识、配对键、模态、场强及相对路径等元信息。适配器接口支持双向同模态记录以及轴向切片范围z=72:292，可选15层窗口用于训练流程，数据本身保留完整三维容积，可借助NiBabel或SimpleITK进行读取。访问与使用须遵循各原始数据源的许可与引用条款，其中ADNI受控访问数据不随本发布再分发。

背景与挑战

背景概述

磁共振成像（MRI）的场强差异深刻影响图像对比度、信噪比与空间分辨率，然而跨场强配对数据的稀缺长期制约着图像翻译与 harmonization 研究。FieldBridge-MRI（亦称 MRI-PairedField）于 2026 年发布 v1.0 版本，由研究人员 Peirong Li 等构建，整合了 ULF、LUMC、UNC、ADNI、Penn 等八个公开脑 MRI 数据源，形成包含 161 例受试者、259 对同模态图像及 518 个三维容积的标准化配对集合。该数据集旨在为跨场强图像翻译提供统一的基准平台，涵盖 64 mT 至 7 T 的场强跨度与 T1W、T2W、T2-FLAIR 等多模态对比，对推动低场 MRI 增强、跨场强域适应及神经影像可重复性研究具有基础性意义。

当前挑战

该数据集所应对的核心领域难题在于跨场强 MRI 的图像翻译与信息保真——不同场强下组织的弛豫特性差异导致同一解剖结构呈现异质性对比，而现有方法难以在低场与高场图像间建立稳定映射。构建过程中面临的挑战同样显著：八个来源的原始数据采集协议、分辨率与头动模式各异，需经源特异性对齐、掩膜内 N4 偏置场校正及归一化方能统一至 MRIxFields2026 参考网格；ADNI 等受控数据源的再分发限制要求严格遵循数据使用协议；此外，配对表依赖受试者级分组键以杜绝数据泄漏，对训练集与测试集的划分策略提出了严谨约束。

常用场景

经典使用场景

在磁共振成像的跨场强图像翻译研究中，FieldBridge-MRI数据集以其精心构建的配对数据架构，成为验证算法性能的经典基准。该数据集汇聚了八项公开脑部MRI资源，涵盖从超低场64 mT至超高场7 T的场强跨度，提供同一受试者在不同场强下的同模态配对图像。研究者可借助其标准化的三维NIfTI格式与配对表，开展双向、同模态的跨场强图像转换实验，并利用轴向切片窗口（z=72:292）进行训练与评估。

衍生相关工作

FieldBridge-MRI的发布催生了一系列围绕跨场强图像翻译与低场增强的经典工作，包括基于生成对抗网络与扩散模型的场强转换方法、多模态融合的联合学习框架，以及面向超低场64 mT的迁移学习策略。该数据集还促进了MRIxFields2026参考网格的建立与推广，为后续神经影像大数据集的标准化整合提供了范式，并激发了针对阿尔茨海默病等神经退行性疾病的跨场强生物标志物研究。

数据集最近研究

最新研究方向

FieldBridge-MRI数据集的最新研究方向聚焦于跨场强脑部MRI图像翻译，旨在解决不同磁场强度（如64mT至7T）下图像对比度与分辨率差异带来的域偏移问题。该数据集整合了八项公开来源的配对数据，涵盖161例受试者、259对同模态图像及518个三维体积，为深度学习模型提供了标准化的多场强训练与评估基准。当前研究利用该数据集探索基于生成对抗网络或扩散模型的跨场强合成，以提升低场强图像质量并辅助临床诊断，同时支持阿尔茨海默病等神经退行性疾病的早期生物标志物发现。其意义在于推动资源受限环境下高场强信息的可及性，促进多中心神经影像研究的可重复性与公平性。