Fetal Brain Tissue Annotation (FeTA) Challenge 2024

FeTA 2024数据集是胎儿脑组织标注挑战的一部分，旨在推动胎儿脑MRI分析的自动化技术的临床相关性和鲁棒性。该挑战包括两项主要任务：胎儿脑组织分割和生物测量预测。数据集包含来自两个机构的3D超分辨率胎儿脑MRI，用于训练自动分割和/或生物测量算法。FeTA 2024挑战为评估多类分割和生物测量估计提供了严格的、多方面的基准，强调了以数据为中心的方法、改进的拓扑建模和更大的数据集多样性，以开发临床可靠且通用的AI工具，用于胎儿神经影像学。

The FeTA 2024 dataset is part of the FeTA 2024 Challenge on fetal brain tissue annotation, which aims to enhance the clinical relevance and robustness of automated techniques for fetal brain MRI analysis. This challenge consists of two core tasks: fetal brain tissue segmentation and biometric prediction. The dataset comprises 3D super-resolution fetal brain MRI scans from two institutions, intended for training automated segmentation and/or biometric measurement algorithms. The FeTA 2024 Challenge provides a rigorous, multi-faceted benchmark for evaluating multi-class segmentation and biometric estimation, emphasizing data-centric approaches, improved topological modeling, and greater dataset diversity to develop clinically reliable and generalizable AI tools for fetal neuroimaging.

搜集汇总

数据集介绍

构建方式

FeTA 2024数据集通过多中心合作构建，涵盖18-35孕周的胎儿脑部MRI数据，包括正常发育和病理病例。数据采集使用T2加权单次激发快速自旋回波序列，并通过超分辨率重建技术生成各向同性的3D图像。标注由7名专业标注者完成，遵循统一的协议，涵盖7种脑组织类别。数据集特别引入了0.55T低场强MRI测试集，并新增了生物测量任务，包括胼胝体长度等关键临床指标。

特点

该数据集具有以下显著特点：(1)多中心多样性：包含来自5个医疗中心的数据，覆盖不同扫描设备和重建方法；(2)临床相关性：同时包含正常发育和典型病理病例；(3)技术创新：首次引入低场强MRI数据和拓扑感知的欧拉特性差异指标；(4)全面标注：除组织分割外，还提供生物测量标志点和测量值；(5)质量控制：所有病例经过严格的质量评分，确保数据一致性。

使用方法

数据集支持两种主要任务：(1)脑组织分割：使用Dice系数、豪斯多夫距离等指标评估7类组织的分割性能；(2)生物测量预测：通过平均绝对百分比误差评估关键解剖结构的测量准确性。研究者可通过Docker容器提交算法，在保持测试集私密性的情况下进行评估。数据集鼓励使用数据增强和模型集成等技术，并允许使用外部公开数据进行预训练，但需完整记录。

背景与挑战

背景概述

Fetal Brain Tissue Annotation (FeTA) Challenge 2024数据集由洛桑大学医院和洛桑大学放射科、伦敦国王学院早期生命影像系、苏黎世大学儿童医院等多个国际知名机构联合创建，旨在推动胎儿脑部MRI自动分割和生物测量的临床相关性及鲁棒性研究。该数据集基于2021年和2022年FeTA挑战赛的成果，新增了低场强(0.55T)MRI测试集和生物测量预测任务，并引入欧拉特性差异(ED)作为拓扑感知的评估指标。其核心研究问题是解决胎儿脑部组织精确分割和生物特征提取的自动化难题，特别关注不同场强MRI设备、妊娠年龄和病理条件下的模型泛化能力。该数据集通过多中心合作提供了120例训练数据和180例测试数据，涵盖18-35孕周的典型和非典型胎儿脑部发育案例，对推动胎儿神经影像AI工具的临床转化具有重要意义。

当前挑战

FeTA 2024面临的主要挑战体现在两个方面：领域问题方面，胎儿脑MRI存在运动伪影严重、组织对比度低（特别是灰质与白质）、不同孕周脑部形态差异大等固有难点，且低场强MRI的信噪比限制进一步增加了分割难度；数据构建方面，挑战包括多中心数据异质性（不同扫描协议/重建方法）、病理案例稀缺导致的类别不平衡、三维超分辨率重建引入的伪影，以及手动标注中拓扑错误（如灰质不连续）对ED指标的影响。值得注意的是，生物测量任务暴露出当前方法依赖孕龄而非图像特征的局限性，最佳模型在胼胝体长度等精细结构测量上仍与专家水平存在9%-60%的差距。

常用场景

经典使用场景

Fetal Brain Tissue Annotation (FeTA) Challenge 2024数据集在胎儿脑部MRI分析领域具有广泛的应用价值，特别是在胎儿脑组织分割和生物测量预测方面。该数据集通过提供多中心、多场强的胎儿脑部MRI数据，支持研究者开发自动化分割算法，以精确识别和量化胎儿脑部不同组织区域（如灰质、白质、脑脊液等）。此外，数据集还引入了低场强MRI数据，为资源有限环境下的胎儿脑部研究提供了重要支持。

解决学术问题

FeTA 2024数据集解决了胎儿脑部MRI分析中的多个关键学术问题。首先，它通过标准化的多类组织分割任务，促进了自动化分割算法的发展，减少了人工标注的依赖和误差。其次，数据集引入的拓扑感知度量（Euler特征差异）弥补了传统重叠或距离度量的不足，为评估分割结果的拓扑准确性提供了新工具。此外，数据集中的生物测量预测任务推动了基于MRI的胎儿脑部生长参数自动估算方法的研究，为临床诊断提供了量化依据。

衍生相关工作

FeTA 2024数据集已衍生出多项重要研究工作。基于该数据集的算法开发推动了胎儿脑部分割领域的进步，如nnU-Net和3D U-Net等架构的优化。低场强MRI数据的引入激发了针对资源受限环境的算法适应性研究。此外，数据集的拓扑评估指标促进了拓扑保持分割方法的发展。相关成果已应用于胎儿脑皮层形态分析、发育异常检测等方向，并为后续胎儿脑图谱构建提供了重要参考。