rflow-mr-brain

Synthetic MRI dataset 是一个合成的脑部磁共振成像数据集，由 NVIDIA 的 NV-Generate-CTMR 工具和 rflow-mr-brain 模型生成。数据集包含两种主要变体：第一种是样本变体，提供 T1、T2、FLAIR 和 SWI 四种常见 MRI 序列的 3D 脑部 NIfTI 图像，每种序列分别有全脑图像和去颅骨（skull-stripped）图像，每个图像文件夹包含 100 张生成的图像；第二种是默认 FOV 256/128变体，同样包含上述四种模态的图像，但采用 NV-Generate-CTMR 推理指南推荐的脑部 MRI 视野预设，该变体进一步细化了数据组织，为 T1、T2 和 FLAIR 模态提供轴向、矢状面和冠状面三种扫描平面的图像，而 SWI 模态仅提供轴向平面图像（因为其矢状面和冠状面训练数据覆盖有限）。每种模态和平面组合都详细指定了图像维度、体素间距和近似视野。该数据集适用于医学影像分析、深度学习模型（特别是生成模型）的训练与验证、多模态图像配准、分割算法开发等任务。The Synthetic MRI dataset is a synthetic brain magnetic resonance imaging (MRI) dataset generated by NVIDIA's NV-Generate-CTMR tool and the rflow-mr-brain model. The dataset includes two main variants: 1. The sample variant: It provides 3D brain NIfTI images of four common MRI sequences including T1, T2, FLAIR and SWI. For each sequence, both full-brain and skull-stripped images are offered, with 100 generated images contained in each image folder. 2. The default FOV 256/128 variant: It also contains the aforementioned four modalities, adopting the brain MRI field-of-view (FOV) preset recommended by the NV-Generate-CTMR inference guidelines. This variant further refines the data organization: for T1, T2 and FLAIR modalities, images in three scan planes (axial, sagittal and coronal) are provided, while only axial plane images are available for the SWI modality due to limited coverage of sagittal and coronal training data for SWI. For each combination of modality and scan plane, the image dimensions, voxel spacing and approximate field of view are specified in detail. This dataset is applicable to tasks such as medical image analysis, training and validation of deep learning models (especially generative models), multimodal image registration, and the development of segmentation algorithms.

原始信息汇总

数据集概述

本数据集是一个合成的3D脑部MRI数据集，由NV-Generate-CTMR工具通过rflow-mr-brain模型生成。

数据模态与格式

数据集包含四种MRI模态：

• T1：T1加权成像
• T2：T2加权成像
• FLAIR：液体衰减反转恢复成像
• SWI：磁敏感加权成像

所有图像以NIfTI格式存储，为3D脑部MRI数据。

数据变体

数据集提供两个主要变体目录：

1. Sample（样本）

该目录包含全脑和去颅骨图像，每种模态均有100张生成图像。

文件夹路径	描述
sample/mri_t1/	T1全脑MRI
sample/mri_t2/	T2全脑MRI
sample/mri_flair/	FLAIR全脑MRI
sample/mri_swi/	SWI全脑MRI
sample/mri_t1_skull_stripped/	T1去颅骨脑MRI
sample/mri_t2_skull_stripped/	T2去颅骨脑MRI
sample/mri_flair_skull_stripped/	FLAIR去颅骨脑MRI
sample/mri_swi_skull_stripped/	SWI去颅骨脑MRI

2. Default FOV 256/128（默认视野）

该目录遵循推荐的MR脑部视野预设，体素维度为256 x 256 x 128（轴向扫描）、128 x 256 x 256（矢状扫描）和256 x 128 x 256（冠状扫描）。每个子文件夹均包含100张生成图像。

目录结构为：default_fov_256_128/whole_brain/<modality>/<plane>/（全脑）和default_fov_256_128/skull_stripped/<modality>/<plane>/（去颅骨）。

下表列出各模态在指定扫描平面的模态ID、体素维度、像素间距及近似视野：

模态	全脑ID	去颅骨ID	扫描平面	体素维度	像素间距 [mm]	近似视野 [mm]
T1	9	29	axial	256 x 256 x 128	0.94 x 0.94 x 1.36	240.64 x 240.64 x 174.08
T1	9	29	sagittal	128 x 256 x 256	1.38 x 0.98 x 0.98	176.64 x 250.88 x 250.88
T1	9	29	coronal	256 x 128 x 256	0.94 x 1.56 x 0.94	240.64 x 199.68 x 240.64
T2	10	30	axial	256 x 256 x 128	0.94 x 0.94 x 1.23	240.64 x 240.64 x 157.44
T2	10	30	sagittal	128 x 256 x 256	1.27 x 0.94 x 0.94	162.56 x 240.64 x 240.64
T2	10	30	coronal	256 x 128 x 256	0.78 x 1.41 x 0.78	199.68 x 180.48 x 199.68
FLAIR	11	31	axial	256 x 256 x 128	0.98 x 0.98 x 1.37	250.88 x 250.88 x 175.36
FLAIR	11	31	sagittal	128 x 256 x 256	1.38 x 0.98 x 0.98	176.64 x 250.88 x 250.88
FLAIR	11	31	coronal	256 x 128 x 256	0.98 x 1.56 x 0.98	250.88 x 199.68 x 250.88
SWI	20	32	axial	256 x 256 x 128	0.90 x 0.90 x 1.13	230.40 x 230.40 x 144.64

注意：SWI模态仅提供轴向扫描，因该模态的矢状和冠状训练覆盖非常有限。

数据规模

每个叶子文件夹包含100张生成图像。

搜集汇总

数据集介绍

构建方式

该数据集是基于NVIDIA开发的NV-Generate-CTMR生成框架，通过运行rflow-mr-brain模型构建而成。该模型能够合成高保真度的三维脑部MRI图像，涵盖T1、T2、FLAIR及SWI四种模态。数据集中不仅包含了完整的全脑影像，还提供了去颅骨后的脑实质影像，每个模态下各生成100例样本。此外，数据集还提供了一个采用推荐视野预设的版本，即default_fov_256_128，该版本中的图像体素尺寸根据扫描平面（轴向、矢状、冠状）进行了标准化设置，进一步增强了数据的一致性。SWI模态仅提供轴向扫描，与其训练覆盖范围相匹配。

使用方法

使用者可以直接从HuggingFace数据集页面下载NIfTI格式的影像文件，无需额外格式转换。数据按照模态、扫描平面及是否去颅骨进行了清晰的目录组织，便于编程读取与分批次处理。该数据集适用于脑部医学影像分析任务，如模态转换、超分辨率重建、分割模型训练等。由于样本数量有限（每类100例），建议在迁移学习或数据增强场景中使用。开发者可结合常见的医学影像处理库（如NiBabel、SimpleITK）加载图像，并依据任务需求选择合适的子集进行训练或评估。

背景与挑战

背景概述

磁共振成像（MRI）作为脑部疾病诊断的核心技术，其影像质量与多模态信息的完备性直接影响临床决策的准确性。然而，真实MRI数据的采集受限于伦理约束、患者隐私保护及高昂的扫描成本，导致高质量、多模态的脑部MRI数据集极为稀缺。为此，NVIDIA MedTech团队于近年开发了rflow-mr-brain合成MRI数据集，该数据集依托NV-Generate-CTMR生成框架，通过创新的生成模型技术，系统地构建了涵盖T1、T2、FLAIR及SWI四种关键模态的三维脑部MRI影像。数据集不仅提供了完整脑部与去颅骨两种变体，还针对不同扫描平面（轴向、矢状、冠状）生成了标准化视野的影像，为脑影像分析领域的算法开发与验证提供了宝贵的基准资源，有力地推动了医学影像合成与分析技术的进步。

当前挑战

该数据集所解决的领域问题核心在于真实MRI数据的稀缺性与多样性不足，这长期制约着脑肿瘤分割、白质病变检测及多模态融合分析等任务的模型泛化能力。真实数据采集面临扫描参数不一致、患者群体偏倚及标注成本高昂等困境，而合成数据虽能缓解数据匮乏，却需应对生成影像的解剖真实性与病理表征保真度的双重挑战。在构建过程中，主要挑战表现为：首先，生成模型需精确模拟不同模态的对比机制与噪声特性，确保合成影像的纹理细节与信噪比接近临床标准格式；其次，去颅骨操作依赖精准的脑组织边界分割，以避免引入结构性伪影；最后，SWI模态在矢状与冠状面的训练样本极度有限，模型需克服各向异性数据分布带来的生成偏差，实现多平面下的稳定输出。

常用场景

经典使用场景

在医学影像分析领域，高质量且多样化的脑部磁共振成像数据集是训练深度学习模型的基石。rflow-mr-brain数据集通过生成对抗网络合成逼真的三维脑部MRI图像，涵盖T1、T2、FLAIR和SWI四种常见模态，并提供全脑与去颅骨两种版本，可服务于多模态图像分割、配准以及重建等经典研究任务。研究者可基于该数据集构建鲁棒的脑组织分割模型，探索跨模态特征迁移学习，或用于无监督域适应方法的验证，以解决真实临床数据标注成本高昂且获取困难的问题。

解决学术问题

该数据集有效解决了医学影像研究中真实数据样本匮乏与隐私保护受限的学术难题。通过提供大规模、标准化的合成MRI数据，它为开发深度学习算法提供了充足的训练资源，在脑肿瘤检测、灰白质区分及脑血管异常分析等任务中，显著提升了模型泛化能力与临床可解释性。其多模态与多平面设计有助于研究各序列互补信息的融合策略，为构建高精度自动诊断系统奠定了数据基础，推动了磁共振影像智能分析技术的学科进步。

实际应用

在实际临床场景中，rflow-mr-brain数据集可辅助放射科医师的诊断工作流，通过训练人工智能模型实现脑部病变的自动筛查与量化评估。例如，基于该数据构建的SWI图像解析网络能高效识别微出血灶，而FLAIR模态的合成数据则支持对多发性硬化斑块的精准分割。此外，该数据集还可用于教育领域，为医学生提供多样化的正常脑部解剖影像，用作模拟教学中的标准参考图谱。

数据集最近研究

最新研究方向

在脑部磁共振成像领域，合成数据生成技术正成为突破数据稀缺与隐私瓶颈的关键手段。rflow-mr-brain数据集基于NV-Generate-CTMR框架，运用生成模型构建出涵盖T1、T2、FLAIR及SWI四种模态的高质量三维脑部MRI图像，并提供去颅骨版本，填补了真实临床数据在多样性及可用性上的不足。该数据集前沿研究方向聚焦于利用合成数据推动多模态、多平面（轴位、矢状位、冠状位）的脑部影像分析，尤其适用于深度学习模型的预训练与鲁棒性验证。结合近期人工智能辅助医学诊断的热点事件，此类合成数据集不仅促进了跨中心、跨设备的影像标准化研究，还为罕见脑疾病建模、算法公平性评估及大规模无监督学习奠定了数据基础，显著加速了从模型开发到临床转化的进程。