Veriserum

Veriserum是一个开源数据集，旨在支持双平面荧光透视分析的深度学习注册训练。它包含约110,990张X射线图像，这些图像由10,000个膝关节植入物对（2个股骨植入物和5个胫骨植入物）在1,600次试验中捕获，并包含了与日常活动相关的姿势，如水平步行和坡道下降。每张图像都附有一个自动注册的真实姿势注释，其中200张图像包括手动注册的姿势。Veriserum的关键特征包括双平面图像和校准工具。该数据集旨在支持2D/3D图像注册、图像分割、X射线失真校正和3D重建等应用程序的开发。Veriserum是一个自由访问的数据集，旨在通过提供一个可重复的基准来推进计算机视觉和医学影像研究，用于算法开发和评估。Veriserum数据集通过https://movement.ethz.ch/data-repository/veriserum.html免费提供，数据存储在瑞士苏黎世研究收藏中。

Veriserum is an open-source dataset developed to support deep learning-based registration training for bi-plane fluoroscopic analysis. It contains approximately 110,990 X-ray images captured from 10,000 knee implant pairs (2 femoral implants and 5 tibial implants) across 1,600 trials, with postures associated with daily activities such as level walking and ramp descent included. Each image is paired with automatically registered ground-truth posture annotations, and 200 of these images additionally feature manually registered postures. Key characteristics of Veriserum include bi-plane images and calibration tools. This dataset is designed to facilitate the development of applications including 2D/3D image registration, image segmentation, X-ray distortion correction, and 3D reconstruction. As a freely accessible dataset, Veriserum aims to advance computer vision and medical imaging research by providing a reproducible benchmark for algorithm development and evaluation. The Veriserum dataset is freely available at https://movement.ethz.ch/data-repository/veriserum.html and stored in the Research Collection of Zurich, Switzerland.

原始信息汇总

Veriserum数据集概述

基本信息

• 数据集名称：Veriserum
• 所属机构：苏黎世联邦理工学院（ETH Zurich）
• 所属部门：健康科学与技术系（D-HEST）
• 研究机构：运动生物力学实验室（Laboratory for Movement Biomechanics）

数据存储

• 数据存储位置：ETH Zurich数据存储库

相关链接

• 数据集页面：https://movement.ethz.ch/data-repository/veriserum.html
• ETH Zurich主页：https://www.ethz.ch
• D-HEST部门：https://www.hest.ethz.ch
• IfB研究所：https://www.ifb.ethz.ch
• LMB实验室：https://www.movement.ethz.ch

搜集汇总

数据集介绍

构建方式

在医学影像分析领域，双平面荧光透视成像技术因其卓越的平面外精度而备受关注。Veriserum数据集的构建采用工业级六轴精密机器人系统，将10种膝关节植入物组合（2种股骨与5种胫骨假体）精确定位于基于真实患者运动学数据生成的11万余个位姿。通过双平面X射线系统（110°夹角配置）以40kV管电压和25mA管电流采集图像，每个位姿保持500毫秒以确保成像稳定性，并配套提供原始校准体模测量数据及失真校正函数。

特点

该数据集的核心价值体现在其多模态数据集成与临床相关性。包含110,990对双平面X射线图像，覆盖平地行走、楼梯下降、斜坡下行及坐椅起身等日常活动轨迹，所有图像均配备自动配准的真实位姿标注，其中200幅图像额外提供人工精标注数据。独特之处在于提供完整的校准工具链（DISCAL失真校准与SICAL几何校准），支持像素级失真校正和源-增强器几何关系计算，为算法开发提供物理精确的基准环境。

使用方法

针对深度学习在医学影像注册中的应用需求，该数据集支持端到端的研究流程。研究者可基于提供的PyTorch3D可微分渲染器实现自动位姿优化，利用归一化互相关等相似度指标进行2D/3D图像配准模型训练。校准工具包允许用户直接应用预计算参数或重新处理原始校准数据，配套代码库支持植入物分割、三维重建及X射线失真校正等任务。数据集按植入物组合分层存储，支持独立分析股骨/胫骨组件或完整膝关节构型。

背景与挑战

背景概述

Veriserum数据集由苏黎世联邦理工学院运动生物力学实验室于2025年创建，旨在推动医学影像中深度学习配准技术的研究。该数据集聚焦于双平面荧光透视成像技术，通过高精度机器人系统模拟膝关节植入物在日常活动中的运动轨迹，提供了超过11万张标注图像。其核心研究在于解决二维与三维医学影像配准的精度问题，为生物力学分析和手术导航系统提供关键数据支持，显著提升了动态关节运动分析的可靠性与效率。

当前挑战

Veriserum需应对医学影像配准中几何失真、分辨率限制及光源-增强器距离测量等传统难题，同时需克服深度学习应用中高质量医疗数据稀缺与法律限制的双重约束。数据集构建过程中，通过机器人精度控制与自动配准流水线解决了植入物姿态复现误差，并利用标定网格与多项式拟合技术实现了图像畸变校正，但缺乏真实软组织结构和数字平板探测器技术仍可能限制其临床泛化能力。

常用场景

经典使用场景

在医学影像分析领域，Veriserum数据集为双平面荧光透视成像提供了标准化基准，其经典应用场景集中于深度学习驱动的2D/3D图像配准研究。通过模拟日常活动中的膝关节植入物运动轨迹，该数据集能够训练神经网络精确估计植入物在三维空间中的姿态，为生物力学研究提供高精度的运动学分析基础。

衍生相关工作

基于Veriserum衍生的经典工作包括基于可微分渲染器的自动配准管道、植入物分割掩模生成方法以及三维重建技术。这些研究不仅推动了PyTorch3D在医学影像中的适配与优化，还促进了多视图特征迁移学习框架的发展，为后续时间序列分析和实时手术导航系统的开发奠定了算法基础。

数据集最近研究

最新研究方向

在医学影像分析领域，Veriserum数据集正推动双平面荧光透视成像与深度学习融合的前沿探索。研究者聚焦于开发基于可微分渲染器的自动2D/3D配准管道，通过PyTorch3D框架实现亚毫米级精度的膝关节植入物姿态估计。该数据集支撑的多任务学习框架同时推进图像分割、三维重建与畸变校正技术的协同发展，特别是在模拟日常活动姿态的动力学分析方面展现出独特价值。随着MICCAI 2025对该工作的认可，其开源性正促进生物力学与计算机视觉领域的跨学科合作，为手术导航系统和术后评估提供标准化基准。

相关研究论文

• Veriserum: A dual-plane fluoroscopic dataset with knee implant phantoms for deep learning in medical imaging

  瑞士苏黎世联邦理工学院，运动生物力学实验室，生物力学研究所 · 2025年