MSTT-199

MSTT-199数据集由范德堡大学创建，包含199名患者的199个肌肉骨骼软组织肿瘤的MRI图像。该数据集旨在用于肿瘤分割模型的训练，以提高肿瘤大小、位置、诊断和治疗反应评估的准确性。数据集包括多种肿瘤类型，如脂肪瘤、纤维瘤、神经瘤等，涵盖了五个主要组织类别：纤维、脂肪、粘液、神经和血管。数据集的创建过程包括患者选择、数据标注、标注协议和数据整理。该数据集的应用领域主要集中在医学影像分析和肿瘤诊断，旨在通过自动化分割模型提高临床效率和诊断准确性。

The MSTT-199 dataset was created by Vanderbilt University, which contains 199 MRI images of musculoskeletal soft tissue tumors from 199 patients. This dataset is designed for training tumor segmentation models to improve the accuracy of tumor size, location, diagnosis and treatment response assessment. The dataset includes various tumor types such as lipomas, fibromas, neuromas and others, covering five main tissue categories: fibrous, adipose, mucinous, neural and vascular. The dataset creation process covers patient selection, data annotation, annotation protocols and data curation. Its application fields mainly focus on medical image analysis and tumor diagnosis, aiming to enhance clinical efficiency and diagnostic accuracy via automated segmentation models.

搜集汇总

数据集介绍

构建方式

MSTT-199数据集的构建过程涉及从199位患者中收集199个肌肉骨骼软组织肿瘤的MRI图像。这些患者是从1987年以来在范德比尔特大学医学中心接受治疗的软组织肿瘤患者中筛选出来的。数据集的构建包括选择患者、设置标签平台、制定注释协议以及数据整理方法。数据集的标注主要在T2加权图像上进行，除了脂肪瘤，后者主要在T1加权图像上进行，因为脂肪瘤在T1图像上的可见性更好。标注过程分为三个阶段，首先由一位放射科医生标注肿瘤的中心切片，然后由三位标注者标注相邻的切片，最后由三位放射科医生进行最终审查。数据集的构建还考虑了肿瘤的体积、解剖位置和强度分布等因素，以确保数据集的多样性和实用性。

特点

MSTT-199数据集具有以下特点：首先，它是迄今为止最大的肌肉骨骼软组织肿瘤分割数据集，包含了199位患者的199个肿瘤的MRI图像。其次，数据集的构建过程中考虑了肿瘤的组织类型和解剖位置的多样性，以确保数据集的代表性。此外，数据集的标注质量高，由经验丰富的放射科医生进行，并且经过了多轮审查。最后，数据集的构建过程中还考虑了数据预处理和模型训练的参数设置，以确保数据集的质量和实用性。

使用方法

MSTT-199数据集的使用方法包括以下几个方面：首先，数据集可以用于训练和评估肌肉骨骼软组织肿瘤分割模型。其次，数据集可以用于研究和开发新的分割算法和方法。此外，数据集还可以用于研究和分析肌肉骨骼软组织肿瘤的病理特征和解剖位置分布。最后，数据集还可以用于研究和开发新的治疗方法和策略。

背景与挑战

背景概述

MSTT-199数据集是一项针对肌肉骨骼软组织肿瘤分割的研究，由Vanderbilt大学电气与计算机工程系、Vanderbilt大学医学中心骨科、放射科与放射科学系以及成像科学研究所的研究人员共同完成。该数据集的创建旨在为评估肿瘤大小、位置、诊断和治疗反应提供精确的分割数据，从而影响患者预后。MSTT-199数据集包含了199名患者的199个肌肉骨骼软组织肿瘤的MRI图像，并通过一系列复杂的标注和分割模型训练，实现了对肿瘤的精确分割。该数据集的创建为自动化分割模型的研究提供了重要的数据基础，对相关领域的研究产生了深远的影响。

当前挑战

MSTT-199数据集所面临的挑战包括：1)所解决的领域问题：肌肉骨骼软组织肿瘤分割的挑战，由于肿瘤外观在形状、强度和组织成分上的变化，以及图像噪声、运动伪影和磁化率伪影等因素的影响，使得分割过程变得复杂。2)构建过程中所遇到的挑战：由于缺乏标准化的MRI数据采集协议，导致不同机构和扫描仪之间的图像对比度和质量存在差异，增加了分割的难度。此外，尽管数据集已经包含了199名患者的肿瘤数据，但在某些组织类型和特定解剖位置的肿瘤数据仍然不足，限制了模型的泛化能力。

常用场景

经典使用场景

MSTT-199数据集为肌肉骨骼软组织肿瘤分割提供了一个重要的研究资源。该数据集包含了来自199名患者的199个肌肉骨骼软组织肿瘤的MRI图像，这些图像经过专业标注，可用于训练和评估分割模型。使用MSTT-199数据集训练的模型可以在没有微调的情况下达到0.79的Dice分数，显示出该数据集的多样性和实用性。此外，该数据集还揭示了模型在纤维性和血管性肿瘤上的性能瓶颈，为未来模型的发展和数据收集提供了有价值的见解。

衍生相关工作

MSTT-199数据集衍生了许多相关的研究工作。例如，基于该数据集训练的分割模型可以用于开发新的诊断工具和治疗策略，从而提高肌肉骨骼软组织肿瘤的治疗效果。此外，该数据集还可以用于研究肿瘤的生物学特性，为肿瘤的发病机制和治疗靶点的研究提供重要的数据支持。

数据集最近研究

最新研究方向

在肌肉骨骼软组织肿瘤分割领域，MSTT-199数据集的最新研究方向集中于提高分割模型的准确性和鲁棒性。研究热点包括利用深度学习技术，如U-Net和Segment Anything Model (SAM)，进行自动分割，以及分析不同肿瘤类型和组织结构的分割难度。该数据集的研究成果显示，分割模型在脂肪瘤和黏液瘤等类型上表现良好，但在纤维瘤和血管瘤等类型上存在挑战。未来的研究将着重于收集更多具有挑战性的肿瘤类型和组织结构的数据，以提高分割模型的泛化能力，并探索改进模型架构和训练方法，以适应不同肿瘤类型的分割需求。

相关研究论文

• MSTT-199: MRI Dataset for Musculoskeletal Soft Tissue Tumor Segmentation

  范德堡大学 · 2024年