BFSM 数据集

BFSM 数据集是一个包含超过 200 个样本的数据集，包括正常病例和罕见的颅面条件。每个病例都包含一个基于 CT 的头骨、一个基于 CT 的面部和一个高保真的纹理面部扫描。该数据集是迄今为止同类数据集中最为全面的，旨在用于远程诊断、手术计划、医学教育和基于物理的面部模拟等应用。数据集创建过程中，我们与经验丰富的临床医生紧密合作，确保数据的解剖准确性。BFSM 数据集可用于远程医疗和手术计划等应用，展示了其在促进医患沟通和支持更明智的临床决策方面的潜力。The BFSM dataset is a collection of over 200 samples covering both normal cases and rare craniofacial conditions. Each case includes a CT-based skull model, a CT-based facial model, and a high-fidelity textured facial scan. This is the most comprehensive dataset of its kind to date, designed for applications such as remote diagnosis, surgical planning, medical education, and physics-based facial simulation. During its development, we collaborated closely with experienced clinicians to ensure the anatomical accuracy of the dataset. The BFSM dataset can be applied in scenarios such as telemedicine and surgical planning, demonstrating its potential to facilitate doctor-patient communication and support more informed clinical decision-making.

原始信息汇总

BFSM: 3D双向人脸-颅骨可变形模型

数据集概述

BFSM是一个3D双向人脸-颅骨可变形模型，实现了人脸与颅骨之间的双向变形映射。

作者信息

• Zidu Wang
• Meng Xu
• Miao Xu
• Hengyuan Ma
• Jiankuo Zhao
• Xutao Li
• Xiangyu Zhu
• Zhen Lei

技术实现

• 官方实现代码库：https://github.com/wang-zidu/BFSM
• 相关论文：https://arxiv.org/abs/2509.24577

使用限制

⚠️ 免责声明：本项目仅用于研究和测试目的。禁止用于医疗或临床应用，严禁商业用途。

引用信息

如需在研究中使用本工作，请引用以下论文：

@misc{wang2025bfsm, title={BFSM: 3D Bidirectional Face-Skull Morphable Model}, author={Zidu Wang and Meng Xu and Miao Xu and Hengyuan Ma and Jiankuo Zhao and Xutao Li and Xiangyu Zhu and Zhen Lei}, year={2025}, eprint={2509.24577}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2509.24577}, }

搜集汇总

数据集介绍

构建方式

在颅面建模领域，构建高质量数据集面临配对数据稀缺的挑战。BFSM数据集通过整合计算机断层扫描与三维纹理扫描技术，采集了超过200例样本，涵盖正常颅面结构与罕见畸形病例。每个样本包含CT重建的头骨、CT生成的面部模型及高保真纹理面部扫描，形成了多模态对齐数据。临床专家参与数据筛选与标注，采用专业医疗建模软件实现解剖结构对齐，确保数据在几何与解剖层面的一致性。

特点

该数据集在颅面生物力学研究中具有显著独特性。其核心特征在于同时包含正常与病理样本，覆盖唇腭裂、半面短小症等畸形类型，突破了传统模型对典型解剖结构的依赖。数据维度上，每个样本提供头骨顶点、面部顶点及组织厚度向量构成的密集对应关系，支持拓扑一致的形变分析。通过水平翻转扩增策略，样本量提升至322例，增强了模型对颅面形态连续变化的表征能力。

使用方法

该数据集为双向颅面可形变模型开发提供基础支撑。研究者可基于对齐的网格数据训练共享系数的形态模型，实现从头骨到面部的双向形状推理。在临床应用层面，通过提取组织厚度向量构建组织可形变模型，支持从单一头骨生成多样性面部重建。数据集还可用于单图像三维重建任务的监督训练，以及手术规划中的术后效果预测，为数字化医疗提供解剖学依据。

背景与挑战

背景概述

BFSM数据集由中国科学院自动化研究所与北京协和医学院整形外科医院于2025年联合构建，旨在解决三维人脸-颅骨联合建模领域的数据匮乏问题。该数据集包含超过200例样本，涵盖正常颅面结构与罕见畸形病例，每个样本均配有CT颅骨、CT面部及高精度纹理面部扫描数据。作为首个支持双向形状推理的颅面形态模型基础，该数据集推动了远程医疗诊断、手术规划等应用的发展，显著提升了数字医疗中解剖结构的建模精度与临床适用性。

当前挑战

该数据集核心挑战集中于两方面：在领域问题层面，需克服传统三维形变模型仅关注外部表面而忽略内部解剖结构的局限，实现人脸与颅骨几何特征的精确双向映射；在构建过程中，面临配对数据稀缺、颅骨非封闭拓扑结构导致的配准困难，以及畸形病例表征不足引发的模型泛化能力下降。此外，跨模态数据对齐需依赖临床专家标注与自动化流程协同，以保障解剖一致性与拓扑完整性。

常用场景

经典使用场景

在颅面外科与数字医学领域，BFSM数据集最经典的应用场景在于构建双向人脸-颅骨形态模型。该数据集通过整合超过200例包含正常样本与罕见颅面畸形的配对数据，结合CT颅骨、CT面部及高保真纹理面部扫描，为研究人员提供了精确的解剖对应关系。这种多模态数据支撑下的形态建模，使得从单张图像重建三维人脸-颅骨对成为可能，极大推动了远程诊断与手术规划的技术发展。

解决学术问题

该数据集有效解决了颅面建模领域长期存在的三大核心问题：配对数据稀缺性、配准精度不足以及临床适应性有限。通过引入密集射线匹配配准方法，确保了人脸与颅骨在拓扑结构上的一致性，同时建立了组织厚度的对应关系。这不仅突破了传统单向外推模型的局限，还通过组织形态模型支持从同一颅骨生成多样化面部重建，为个体化医疗提供了理论支撑，显著提升了模型在病理案例中的泛化能力。

衍生相关工作

基于BFSM数据集衍生的经典工作主要集中在三维形态模型的扩展应用。其中双向人脸-颅骨形态模型（FSMM）通过共享潜空间实现形状双向推理，突破了传统Basel Face Model等模型的表面建模局限。组织形态模型（TMM）则开创性地建模了组织厚度变异，支持从颅骨到面部的多对一映射。这些核心模型进一步催生了单图像三维重建、颅面畸形分析等创新研究方向，为计算机视觉与临床医学的跨学科融合提供了重要范式。