Public-Cardiac-CT-Dataset

该数据集由丹麦技术大学、哥本哈根大学医院、巴塞罗那庞培法布拉大学和诺和诺德等机构合作创建，包含1000张心脏计算机断层扫描血管造影（CCTA）图像，并附有精细的心脏结构分割标签，包括左心耳、冠状动脉和肺静脉等。数据集旨在促进对左心耳形状分析的新方法研究，以及开发高级数据驱动形状分析工具，以定量描述复杂的心脏结构。数据集还包含了一个列表，列出了扫描中常见的缺陷，如步进伪影、左心耳超出扫描视野等。该数据集为研究左心耳形态、血流模拟和心脏结构关系等领域提供了宝贵资源。

This dataset was collaboratively developed by institutions including the Technical University of Denmark, Copenhagen University Hospital, Pompeu Fabra University Barcelona, and Novo Nordisk, among others. It comprises 1000 cardiac computed tomography angiography (CCTA) images, accompanied by fine-grained cardiac structure segmentation labels covering the left atrial appendage, coronary arteries, pulmonary veins, and other relevant structures. The dataset aims to facilitate research on novel methods for left atrial appendage shape analysis, as well as the development of advanced data-driven shape analysis tools for quantitatively characterizing complex cardiac structures. The dataset also includes a list of common artifacts and anomalies present in the scans, such as step artifacts, left atrial appendage outside the scan field of view, and other similar issues. This dataset serves as a valuable resource for research in areas including left atrial appendage morphology, blood flow simulation, and cardiac structure relationship analysis.

原始信息汇总

STACOM2025心脏CT数据集概述

数据集基本信息

• 数据集名称：STACOM2025 - A Public Cardiac CT Dataset Featuring the Left Atrial Appendage
• 发布平台：STACOM 2025 MICCAI workshop
• 许可协议：MIT
• 数据规模：998个计算标签图，其中685个包含完整左心耳

数据集描述

数据来源

基于ImageCAS CCTA volumes数据集构建，专注于左心耳形态学研究

标签类别

包含11个心脏结构分割标签：

• 0：背景
• 1：心肌
• 2：左心房血池
• 3：左心室血池
• 4：右心房血池
• 5：右心室血池
• 6：主动脉
• 7：肺动脉
• 8：左心耳
• 9：冠状动脉
• 10：肺静脉

数据下载

图像数据

• 来源：Kaggle ImageCAS数据集
• 下载地址：https://www.kaggle.com/datasets/xiaoweixumedicalai/imagecas

分割数据

• 文件格式：zip压缩包
• 大小：576 MB
• 下载地址：https://people.compute.dtu.dk/rapa/STACOM2025/ImageCAS-STACOM2025-02-10-2025.zip

数据质量说明

排除扫描

• 90.img.nii.gz
• 141.img.nii.gz 因扫描无效，未计算标签图

左心耳完整性分类

• all_segmentations_id.txt：998个图像ID（全部标签图）
• all_full_laa_segmentations_id.txt：685个图像ID（完整左心耳标签图）

处理脚本

主要功能脚本

• stacom2025_extract_surfaces.py：提取左心耳表面为VTK文件
• stacom2025_compute_shape_descriptors.py：计算3D形状描述符
• stacom2025_explore_shape_descriptors.py：主成分分析探索

形状描述符指标

• 体积、表面积、归一化形状指数
• 表面积体积比
• 主次轴长度、伸长率、平坦度
• PCA特征向量分析

引用要求

主要引用

bibtex @inproceedings{Hansen2025LAA, title = {A Public Cardiac CT Dataset Featuring the Left Atrial Appendage}, author = {Hansen, Bj{o}rn and Pedersen, Jonas and Kofoed, Klaus F. and Camara, Oscar and Paulsen, Rasmus R. and S{o}rensen, Kristine}, booktitle = {Statistical Atlases and Computational Modeling of the Heart (STACOM), MICCAI Workshop}, year = {2025}, publisher = {Springer}, url = {https://arxiv.org/abs/2510.06090} }

相关引用

• ImageCAS原始数据：https://github.com/XiaoweiXu/ImageCAS-A-Large-Scale-Dataset-and-Benchmark-for-Coronary-Artery-Segmentation-based-on-CT
• TotalSegmentator：https://github.com/wasserth/TotalSegmentator

搜集汇总

数据集介绍

构建方式

在心脏影像分析领域，构建高质量数据集对推动左心耳形态学研究至关重要。本数据集基于公开的ImageCAS心脏CT血管造影资源，通过多阶段处理流程实现结构标注：首先采用TotalSegmentator工具生成基础心脏结构分割，继而运用经过980例私有数据训练的神经无符号距离场模型对左心耳进行高分辨率精细化分割，同时通过启发式算法修正肺静脉与左心房的连接一致性，最终融合冠状动脉标注并建立解剖学合理的多结构标签体系。

特点

该数据集在心脏计算成像领域具有显著优势，其核心价值在于提供首个公开的左心耳精细分割标注，涵盖670例完整形态样本。数据集成效整合了四类心脏关键结构：经优化的冠状动脉标注、全心脏腔室分割、拓扑连贯的肺静脉网络以及具备亚毫米精度的左心耳三维模型。特别值得注意的是，数据集保留了原始CT扫描中常见的阶梯伪影、视野截断等临床真实场景，并附有详细的质量评估索引，为研究心脏解剖变异与血流动力学提供了高度可靠的实验基础。

使用方法

针对心血管计算研究需求，数据集以NIFTI压缩格式提供与原始图像空间对齐的标签图，研究者可直接载入专业医学影像平台进行三维可视化分析。对于左心耳形态学研究，建议结合附带的异常案例清单排除视野不全样本；计算流体力学仿真可基于平滑的表面网格提取血流边界条件；机器学习应用则可通过十类解剖结构标签开展多任务分割模型训练。所有数据遵循原始ImageCAS许可协议，冠状动脉与心脏腔室标注需注意对应模型的再训练限制。

背景与挑战

背景概述

随着全球人口预期寿命的延长，心源性事件如脑卒中发病率显著上升，其中约10%的死亡案例与之相关。左心耳作为左心房的小指状突起，被多项研究证实与血栓形成密切相关，其形态多样性可能影响脑卒中风险。然而，现有研究多基于小型私有数据集，限制了知识的共享与方法的比较。为此，由丹麦技术大学与哥本哈根大学医院等机构于2025年联合发布的Public-Cardiac-CT-Dataset，成为首个开源的心脏CT数据集，专注于提供高分辨率、解剖一致的左心耳、冠状动脉和肺静脉分割标签。该数据集基于公开的ImageCAS库构建，包含1000例心脏CT血管造影扫描，旨在推动左心耳形态定量分析与计算流体动力学研究，为心血管疾病机理探索提供关键数据支撑。

当前挑战

在心脏影像分析领域，左心耳、冠状动脉和肺静脉的精确分割长期面临挑战。现有先进分割框架如TotalSegmentator虽能处理大器官，但对这些细小结构的捕捉仍存在分辨率不足与形态失真问题，尤其左心耳形态分类因人工标注一致性低而难以复现。数据集构建过程中，需克服多源标签融合的解剖一致性难题，例如肺静脉与左心房的连接校正、冠状动脉与心肌的空间关系处理。此外，原始扫描数据存在阶梯伪影、扫描视野受限导致左心耳截断、以及不同心动周期采集造成的对比度差异，这些因素均对分割质量产生显著影响，需通过启发式修正与多模型协同优化予以解决。

常用场景

经典使用场景

在心血管影像分析领域，Public-Cardiac-CT-Dataset为左心耳形态学研究提供了标准化数据基础。该数据集通过整合1000例心脏CT血管造影扫描，结合高分辨率左心耳分割标签，成为探索左心耳形态分类与卒中风险关联的核心资源。研究人员可基于此开展左心耳形态的定量分析，例如通过计算流体动力学模拟血流动力学特征，或利用统计形状模型建立形态与血栓形成风险的关联模型。

衍生相关工作

基于该数据集衍生的经典工作包括神经无符号距离场分割方法的优化与推广。研究者通过迁移在私有数据集训练的NUDF模型，实现了对公开数据集中左心耳的高精度分割。后续研究进一步结合TotalSegmentator输出与启发式修正算法，建立了多结构融合的标签优化流程，推动了心脏影像分割领域从单一器官向全心脏协同分析的技术演进。

数据集最近研究

最新研究方向

在心血管影像分析领域，Public-Cardiac-CT-Dataset的发布推动了左心耳形态学与卒中风险关联的前沿探索。该数据集整合了高分辨率左心耳、冠状动脉及肺静脉的精准分割标签，为计算流体动力学模拟提供了可靠解剖基础，显著提升了血栓形成机制的量化分析能力。当前研究热点集中于利用隐式神经表示方法优化复杂结构分割精度，同时结合统计形状分析构建数据驱动的形态分类体系，以克服传统手动分型的主观局限性。这一开放资源不仅促进了多中心研究的可重复性对比，更为人工智能辅助卒中预防策略的开发奠定了关键数据支撑。

相关研究论文

• A public cardiac CT dataset featuring the left atrial appendage

  DTU Compute,Technical University of Denmark,Denmark; Copenhagen University Hospital Rigshospitalet,Denmark; Universitat Pompeu Fabra,Spain; Novo Nordisk,Denmark · 2025年