MedShapeNet 2.0

github2024-08-22 更新2024-08-24 收录

下载链接：

https://github.com/GLARKI/MedShapeNet2.0

下载链接

链接失效反馈

官方服务：

资源简介：

MedShapeNet 2.0是一个全面的3D医学形状数据库，包含超过10万个与医学相关的形状。这些模型来自真实的患者影像数据和医疗器械等。该数据集适用于分类、重建、扩展现实和3D打印等多种应用。

MedShapeNet 2.0 is a comprehensive 3D medical shape database containing over 100,000 medically relevant shapes. These models are derived from real patient imaging data and medical devices. This dataset supports a diverse range of applications including classification, 3D reconstruction, extended reality (XR), and 3D printing.

创建时间：

2024-08-21

原始信息汇总

MedShapeNet 2.0 数据集概述

数据集简介

MedShapeNet 是一个大规模的3D医学形状数据集，包含超过100,000个与医学相关的形状。这些模型来源于真实的患者影像数据、医疗仪器等。数据集通过网页接口访问，适用于分类、重建、扩展现实和3D打印等多种应用。

数据集版本

MedShapeNet 2.0 的主要目标是扩展数据库、改进存储解决方案、增强搜索功能和可引用性，并开发和持续改进一个新的Python API，以便于在Python应用程序中集成数据库。此外，计划在可能的情况下包含更多标签，以支持机器学习应用。

数据集内容

数据集包含多种医学相关的3D形状，例如：

AbdomenAtlas: 25个器官和七种类型的肿瘤
AbdomenCT-1K: 腹部器官
AMOS: 腹部多器官在CT和MRI中的图像
ASOCA: 正常和病变的冠状动脉
autoPET: 全身分割
AVT: 主动脉血管树
BraTS: 脑肿瘤分割
Calgary-campinas: 脑结构分割
Crossmoda: 脑肿瘤和耳蜗分割
CT-ORG: 多器官分割
DigitalBodyPreservation: 解剖标本的3D扫描
EMIDEC: 正常和病理（梗死）心肌
FacialModels: 用于增强现实的面模
FLARE: 13个腹部器官
GLISRT: 脑结构
HCP: 从MRI中提取的配对脑-头骨
HECKTOR: 头颈肿瘤分割
ISLES22: 缺血性卒中病变分割
KiTS21: 肾脏和肾肿瘤分割
LiTS: 肝肿瘤分割
LNDb: 肺结节
LUMIERE: 纵向胶质母细胞瘤
MUG500+: 健康和颅骨切除CT头骨
MRIGBM: 从MRI中提取的脑和GBM
PROMISE: 前列腺MRI分割
PulmonaryTree: 肺部气道、动脉和静脉
SkullBreak: 完整和人工缺陷头骨
SkullFix: 完整和人工缺陷头骨
SUDMEXCONN: 健康和（可卡因使用障碍）CUD脑
TCGA-GBM: 胶质母细胞瘤
3D-COSI: 3D医疗仪器模型
3DTeethSeg: 3D牙齿扫描分割
ToothFairy: 下颌管
TotalSegmentator: 各种解剖结构
VerSe: 大规模椎骨分割

数据集贡献

欢迎贡献者通过联系项目负责人（LinkedIn 或 XR-Labs website）来贡献自己的数据集。贡献的信息包括数据集链接、描述、贡献者信息和其他评论。

Python API

数据集提供了一个Python API，目前正在建设中。安装命令如下： bash pip install MedShapeNet

引用

如果您在研究或项目中使用MedShapeNet，请引用以下文献：

@article{li2023medshapenet, title={MedShapeNet--A Large-Scale Dataset of 3D Medical Shapes for Computer Vision}, author={Li, Jianning and Pepe, Antonio and Gsaxner, Christina and Luijten, Gijs and Jin, Yuan and Ambigapathy, Narmada and Nasca, Enrico and Solak, Naida and Melito, Gian Marco and Memon, Afaque R and others}, journal={arXiv preprint arXiv:2308.16139}, year={2023} }

联系

如有任何关于MedShapeNet的问题，请联系Gijs Luijten或通过LinkedIn。

搜集汇总

数据集介绍

构建方式

MedShapeNet 2.0 数据集的构建基于大规模的3D医学形状，涵盖了超过100,000个与医学相关的形状。这些形状来源于真实的患者影像数据、医疗仪器等，通过先进的算法如体素网格、网格、点云和隐式表面模型进行处理。数据集的构建过程中，特别注重于扩展数据库、优化存储解决方案、增强搜索功能以及提升参考性。此外，开发了一个新的Python API，旨在简化数据集在Python应用程序中的集成。

特点

MedShapeNet 2.0 数据集的主要特点在于其大规模和多样性，涵盖了广泛的医学相关形状，适用于分类、重建、扩展现实和3D打印等多种应用。数据集通过一个用户友好的网络接口进行访问，并提供了一个正在开发中的Python API，便于研究人员和开发者进行数据检索和下载。此外，数据集还计划引入更多详细的标签，以支持机器学习应用的开发。

使用方法

使用MedShapeNet 2.0数据集，用户可以通过其网络接口直接访问和浏览数据。对于开发者，可以通过安装MedShapeNet的Python API（pip install MedShapeNet）来实现数据集的搜索和下载功能。API目前支持通过名称进行搜索和下载，未来将扩展更多功能。用户还可以通过GitHub提交问题或建议，参与数据集的改进和扩展。

背景与挑战

背景概述

MedShapeNet 2.0，作为大规模3D医学形状数据集的扩展版本，由Gijs Luijten及其团队在IKIM机构开发。该数据集汇集了超过100,000个与医学相关的3D形状，涵盖了从患者影像数据到医疗仪器的广泛领域。其核心研究问题在于如何有效地整合和利用这些3D形状数据，以支持医学图像处理、分类、重建、扩展现实和3D打印等多种应用。MedShapeNet 2.0的推出不仅丰富了数据集的内容，还优化了存储解决方案和搜索功能，旨在为机器学习应用提供更强大的支持。

当前挑战

MedShapeNet 2.0在构建过程中面临多重挑战。首先，数据集的扩展需要处理大量复杂的3D形状数据，确保其准确性和可用性。其次，优化存储解决方案和增强搜索功能，以提高数据集的访问效率和用户体验，是一项技术上的挑战。此外，开发和维护Python API，以便于数据集在Python应用中的集成，也是一项持续的任务。最后，如何有效地引入和标注更多的高级标签，以支持更复杂的机器学习应用，是该数据集未来发展的重要方向。

常用场景

经典使用场景

在医学影像分析领域，MedShapeNet 2.0 数据集的经典使用场景主要集中在三维形状的分类与重建。通过该数据集，研究人员能够训练和验证基于深度学习的模型，以实现对医学图像中复杂器官和病变的精确识别与三维重建。这不仅提升了医学影像的诊断精度，还为虚拟现实和增强现实技术在医疗培训和手术规划中的应用提供了坚实的基础。

衍生相关工作

基于MedShapeNet 2.0 数据集，许多经典工作得以展开。例如，有研究团队利用该数据集开发了高效的器官分割算法，显著提升了医学影像的自动化处理能力。此外，还有学者通过该数据集探索了三维形状的深度学习表示方法，为医学影像的深度理解提供了新的视角。这些工作不仅丰富了医学影像分析的理论体系，也为实际应用提供了强有力的技术支持。

数据集最近研究