MORE: Multi-Organ Medical Image REconstruction Dataset

MORE数据集是一个包含9种不同解剖区域和15种不同类型病变的CT扫描数据集，旨在解决现有数据集在解剖和病理范围上的局限性。数据集包含丰富的解剖和病变类型，为模型训练和评估提供了更广泛的选择。数据采集自苏州相城区人民医院，共包含135名患者的65,755张CT图像切片。数据集已通过伦理委员会批准，并已进行匿名处理以保护患者隐私。数据集遵循CC-BY-NC 4.0协议，可供非商业用途免费下载。The MORE dataset is a computed tomography (CT) scan dataset covering 9 distinct anatomical regions and 15 types of lesions, aiming to address the limitations of existing datasets in terms of anatomical and pathological scope. Featuring a rich variety of anatomical structures and lesion categories, the dataset provides a broader range of options for model training and evaluation. Collected from the People's Hospital of Xiangcheng District, Suzhou, it consists of 65,755 CT image slices from 135 patients. The dataset has been approved by the ethics committee and anonymized to protect patient privacy. It follows the CC-BY-NC 4.0 license and is freely available for non-commercial use.

原始信息汇总

MORE: 多器官医学图像重建数据集概述

数据集基本信息

• 数据集名称：MORE（Multi-Organ Medical Image REconstruction Dataset）
• 发布会议：ACM Multimedia 2025
• 数据规模：135个CT研究，总计65,575个扫描/切片
• 覆盖范围：9个解剖学类别，15种病变类型
• 许可证：CC-BY-NC-4.0

核心特征

• 规模性：包含大量CT扫描数据
• 多样性：覆盖多个解剖区域和病变类型
• 临床真实性：更好地反映真实世界重建场景

主要用途

• 主要任务：从投影/切片数据进行CT图像到3D重建
• 次要任务：
  • 经典MBIR/IR管道的数据驱动先验
  • 低剂量或稀疏视图重建的去噪/去伪影
  • 跨解剖学泛化研究和迁移评估

支持的重建设置

• 稀疏视图
• 有限角度
• 低剂量

任务分类

• 图像到3D重建
• 医学成像
• CT
• 断层扫描重建
• 多器官
• 多病变
• 基准测试

使用限制

• 仅供研究和教育用途
• 不得尝试识别个体身份
• 结果可能无法直接转化为临床结果
• 标签和元数据粒度因研究而异

引用信息

ACM MM 2025论文： Shaokai Wu等人，《MORE: Multi-Organ Medical Image REconstruction Dataset》

相关资源

• 项目页面：https://more-med.github.io/
• 论文链接：https://doi.org/10.1145/3746027.3758233
• 基准代码：数据集存储库中的code.zip文件

版本历史

• v1.0：初始公开发布，包含多器官、多病变CT研究和基准协议
• v1.1+（计划中）：扩展MRI基准、附加工具和社区提交

搜集汇总

数据集介绍

构建方式

在医学影像重建领域，数据集的构建质量直接影响深度学习模型的泛化能力。MORE数据集通过苏州相城人民医院的临床合作，由三位经验丰富的放射科医师对135例患者的65,755张CT切片进行专业标注。数据采集采用西门子SOMATOM Definition AS+扫描仪，严格遵循双重筛选标准：既要求图像质量达到临床诊断级别，又需覆盖9种解剖区域和15种病变类型。原始DICOM文件经过SimpleITK标准化预处理，转换为2D图像切片作为重建基准，同时提供PNG格式便于可视化分析。

特点

该数据集在医学影像重建领域展现出显著的多维特征优势。其解剖多样性涵盖脊柱、四肢、胆囊等9个关键区域，病理完整性包含从肋骨骨折到蛛网膜下腔出血等15类临床常见病变。数据分布呈现均衡的临床代表性，患者年龄跨度从7岁至85岁，性别比例接近真实世界分布。特别值得注意的是，数据集同时提供1mm与3mm两种层厚扫描数据，这种多分辨率特性为研究不同采样率下的重建性能提供了独特条件。所有数据均经过专业放射医师的交叉验证，确保标注的临床准确性。

使用方法

针对医学影像重建的研究需求，该数据集设计了系统的应用框架。研究人员可通过Hugging Face平台获取CC-BY-NC 4.0许可下的标准化数据，数据集已预分割为58,528张训练切片和7,498张测试切片。基准任务设置涵盖60视图至180视图四种稀疏采样场景，配套提供对应的投影测量数据。评估体系采用PSNR和SSIM双指标，支持对重建方法的定量比较。使用流程建议遵循标准医学图像处理流程，先通过Radon变换生成模拟投影，再以重建图像与真实切片进行对比验证，最终通过基准测试评估模型跨解剖区域的泛化能力。

背景与挑战

背景概述

医学影像重建领域在深度学习技术推动下迎来重大突破，但现有数据集普遍存在解剖结构与病理类型覆盖不足的局限性。2025年由上海交通大学联合苏州相城人民医院发布的MORE数据集，作为首个涵盖9种解剖区域与15类病变的多器官CT重建数据集，通过整合脊柱、四肢、脑部等异质性数据，旨在解决模型在临床实践中泛化能力不足的核心问题。该数据集包含65,755张CT影像切片，依托严谨的医学伦理审查与数据匿名化处理，为跨器官病理重建研究建立了新的基准。

当前挑战

当前CT重建领域面临模型泛化性与评估体系不完善的双重挑战：其一，传统单器官数据集训练模型在遭遇未知解剖结构或罕见病变时出现性能显著衰减，例如胸片训练模型难以适应脑部扫描重建；其二，数据构建过程中需平衡多中心采集的异构性，包括不同扫描参数校准、病变标注一致性维护，以及隐私保护与数据可用性间的矛盾。这些挑战凸显了建立标准化多器官重建基准的必要性。

常用场景

经典使用场景

在医学影像重建领域，MORE数据集为稀疏视图CT重建任务提供了标准化评估平台。该数据集通过整合9种解剖区域和15类病灶的多样化样本，支撑了从传统滤波反投影到基于深度学习的重建算法的全面性能验证。研究人员能够利用其丰富的解剖多样性，系统评估模型在跨器官重建任务中的鲁棒性与泛化能力。

衍生相关工作

基于MORE数据集衍生的GIFT框架开创了无预训练的3D高斯迭代重建范式，其通过局部化高斯映射实现了跨解剖结构的稳定重建。该工作进一步推动了R2-Gaussian等三维高斯溅射方法在动态器官重建中的发展，同时促进了扩散模型与神经辐射场技术在稀疏投影数据重建领域的融合创新。

数据集最近研究

最新研究方向

在医学影像重建领域，MORE数据集的前沿研究聚焦于多器官CT重建的泛化能力优化。该数据集涵盖9种解剖结构与15类病灶类型，突破了传统单器官数据集的局限，推动基于优化的无预训练方法成为研究热点。通过对比实验验证，高斯迭代框架GIFT等优化方法在未见解剖结构上展现出超越深度学习方法的鲁棒性，为临床异构场景下的重建算法提供了新的评估基准。这一进展标志着医学影像重建从单一模态向跨器官泛化的重要转变，对降低临床辐射风险具有深远意义。

相关研究论文

• MORE: Multi-Organ Medical Image REconstruction Dataset

  上海交通大学 · 2025年