haifan-gong/LFC

LFC数据集是一个精心策划的3D胎儿脑MRI数据集，专门设计用于胎儿小脑地标检测和胎儿小脑生物测量。它支持胎儿脑发育、胎儿小脑形态学、医学地标检测和3D医学图像分析的研究。该数据集包含300个去标识化的胎儿MRI病例，每个病例提供重建的3D胎儿脑MRI体积和专家评审的胎儿小脑地标注释。每个MRI体积包含六个胎儿小脑地标，对应三个胎儿小脑生物测量的端点：横向小脑直径（TCD）、蚓部高度直径（HDV）和蚓部前后直径（ADV）。数据集的孕周范围为24至38周，每个孕周包含20个病例，并提供了官方的训练/验证/测试划分（120个训练病例、60个验证病例、120个测试病例）。MRI数据为T2加权序列，通过多视角厚层扫描重建为各向同性的3D体积，空间分辨率为0.6×0.6×0.6 mm³。地标注释由放射科医生标注并经过另一位经验丰富的放射科医生检查修订达成共识。该数据集旨在用于学术和非商业研究，包括胎儿脑MRI分析、医学图像地标检测、领域泛化等。The LFC Dataset is a curated 3D fetal brain MRI dataset designed for fetal cerebellum landmark detection and fetal cerebellum biometric measurement. It supports research in fetal brain development, fetal cerebellum morphology, medical landmark detection, and 3D medical image analysis. The dataset includes 300 de-identified fetal MRI cases, each providing reconstructed 3D fetal brain MRI volumes with expert-reviewed fetal cerebellum landmark annotations. Each MRI volume contains six fetal cerebellum landmarks, corresponding to the two endpoints of three fetal cerebellum biometric measurements: Transverse Cerebellar Diameter (TCD), Height Diameter of the Vermis (HDV), and Anteroposterior Diameter of the Vermis (ADV). The gestational age range of the dataset is 24 to 38 weeks, with 20 cases per gestational week, and it provides an official train/validation/test split (120 training cases, 60 validation cases, 120 testing cases). The MRI data are T2-weighted sequences, reconstructed from multi-view thick-slice scans into isotropic 3D volumes with a spatial resolution of 0.6×0.6×0.6 mm³. Landmark annotations were first annotated by a radiologist and then checked and revised by another experienced radiologist to reach consensus. The dataset is intended for academic and non-commercial research, including fetal brain MRI analysis, medical image landmark detection, domain generalization, and more.

搜集汇总

数据集介绍

构建方式

LFC数据集源自多平面厚层胎儿脑磁共振成像数据，包括轴向、矢状和冠状T2加权单次激发快速自旋回波扫描。原始图像经过专门的重建流程处理，生成各向同性的三维胎儿脑部MRI体积，体素间距为0.6×0.6×0.6 mm³。每个病例的六处小脑标志点首先由一名放射科医生标注，随后由另一位经验丰富的放射科医生核查并修订，直至达成共识，从而确保了标注的准确性和可靠性。

特点

该数据集包含300例去标识化的胎儿MRI病例，孕周范围24至38周，每孕周均衡分布20例。每个三维体积均提供六个关键解剖标志点坐标，分别对应小脑横径、蚓部高度直径与蚓部前后径这三维生物特征测量的端点。官方按照120/60/120的比例划分训练、验证与测试集，并附有详细的孕周和分组信息，为基准测试和领域泛化研究奠定基础。

使用方法

数据以NIfTI格式存储，同时提供CSV格式的标志点坐标和孕周信息。用户可直接用于训练诸如APGA网络的标志点检测模型，既可进行直接的标志点回归，也可采用基于热力图或边界感知的伪标签分割方法。在领域泛化评估场景中，可将全部测试集（120例）与验证集（60例）作为外部验证域使用。数据集专供学术与非商业研究，使用时须引用相关文献。

背景与挑战

背景概述

胎儿小脑的精准形态学评估对于产前诊断先天性神经系统发育异常至关重要。然而，传统手工测量依赖操作者经验，耗时且可重复性差，亟需自动化方法。在此背景下，由香港大学龚海帆等研究团队于2025年构建的LFC数据集应运而生。该数据集包含300例去标识化的三维重建胎儿脑部磁共振影像，每例由影像科专家标注了用于计算小脑横径、蚓部高度及前后径的六个关键地标点。作为首个面向胎儿小脑地标检测的专用基准，LFC数据集填补了该领域标准化的空白，为三维医学图像分析、胎儿发育评估及领域泛化算法研究提供了高质量的开放资源，其影响力已通过发表于IEEE JBHI、IEEE TMI及AAAI等顶级期刊会议的系列工作得到验证。

当前挑战

该数据集所解决的领域问题具有显著挑战：胎儿在宫内的活动导致个体间姿态差异极大，且孕周跨度（24-38周）引起小脑形态与尺寸的非线性变化，给地标的精确、鲁棒检测带来困难。同时，临床上MRI序列的采集参数、信噪比及重建分辨率（原始层厚5mm，层内分辨率约0.68mm）存在异质性，要求模型具备跨越不同采集域的能力。在构建过程中，挑战主要源于两方面：其一，在低分辨率且多平面厚层扫描重建的各向同性体积（0.6mm³）中精确定义毫米级地标点，需依赖资深影像科专家的双重质控共识；其二，如何确保地标定义在解剖学上准确对应标准化测量直径端点，以避免引入系统性偏差。

常用场景

经典使用场景

在胎儿脑部磁共振成像研究领域，LFC数据集作为首个专注于小脑三维标志点检测的基准资源，其经典应用场景在于训练与评估基于深度学习的关键点回归模型。研究者可利用该数据集提供的300例重建高分辨率T2加权三维MRI影像，以及由影像科专家双重审核的六个解剖标志点注释（涵盖小脑横径、蚓部高度直径及前后径的端点坐标），开展从体素级热图回归到空间坐标直接预测的多种方法学探索。该数据集尤其适用于验证诸如APGA网络等先进算法的定位精度与鲁棒性，为胎儿小脑形态学的计算机辅助分析奠定标准化评估基础。

衍生相关工作

LFC数据集催生了多项具有影响力的学术工作，其中最具代表性的是APGA网络的提出，该网络通过注意力机制与几何先验的有机结合，显著提升了三维标志点的定位置信度。围绕数据集的边界感知框架（Boundary as the Bridge）开创性地将部分标注的分割任务与标志点检测相融合，利用解剖边界的拓扑约束弥合异质标注间的语义鸿沟。在域泛化方向，基于鲁棒边界感知预训练的方法（AAAI 2025）系统性地验证了LFC作为外部测试域的评估效力，揭示了跨域迁移中特征解耦的关键作用。这些衍生研究共同构筑了从数据驱动到理论驱动的完整迭代生态，持续激励着计算机辅助胎儿影像诊断的方法创新。

数据集最近研究

最新研究方向

LFC数据集聚焦于胎儿小脑三维MRI标志点检测，为产前脑发育评估提供了关键生物测量基准。当前前沿研究围绕边界感知预训练与域泛化策略展开，例如APGA网络利用边界信息作为异质标注桥梁，显著提升了跨域标志点定位的鲁棒性；而稳健边界感知预训练方法则通过域泛化机制，在AAAI 2025上展示了模型对临床多中心数据分布偏移的适应能力。这些进展直接呼应了精准产前诊断对胎儿小脑横径、蚓部高度及前后径等参数自动化测量的迫切需求，为早期筛查胎儿小脑发育异常、评估宫内生长受限等热点问题奠定了量化分析基础，推动了胎儿神经影像学从定性观察向智能化定量评估的范式演进。