Duke Spleen Data Set (DSDS)

Duke Spleen Data Set (DSDS)是由杜克大学创建的一个公开可用的人体脾脏MRI和CT数据集，旨在支持脾脏分割模型的开发。该数据集包含109个CT和MRI系列，总计6322张图像，涵盖了多种成像模式、供应商、平面和对比度，以及正常和异常脾脏体积。数据集的创建过程涉及从69名患有慢性肝病和/或门脉高压的患者中随机选择图像，并由专业技术人员进行手动分割。DSDS特别关注于包含异常形状和大小的脾脏，以及背景混杂因素，如腹部静脉曲张和腹水，以解决临床上对精确脾脏体积测量的需求。

Duke Spleen Data Set (DSDS) is a publicly available human spleen MRI and CT dataset created by Duke University, designed to support the development of spleen segmentation models. This dataset includes 109 CT and MRI series, totaling 6322 images, covering diverse imaging modalities, equipment vendors, scan planes, and contrast settings, as well as both normal and abnormal spleen volumes. The dataset was constructed by randomly selecting images from 69 patients with chronic liver disease and/or portal hypertension, with manual segmentation conducted by professional technicians. DSDS specifically focuses on spleens with abnormal shapes and sizes, as well as confounding background factors such as abdominal varices and ascites, to address the clinical demand for accurate spleen volume measurements.

搜集汇总

数据集介绍

构建方式

在医学影像分析领域，脾脏体积的精确测量对于慢性肝病及门脉高压的临床评估至关重要。杜克脾脏数据集（DSDS）的构建过程体现了严谨的科研设计。该数据集从69名已知或疑似慢性肝病的患者中随机选取，共收集了109个影像序列，总计6322幅图像，涵盖了轴向CT增强扫描、冠状面MRI SSFSE序列以及轴向MRI反相位序列。所有脾脏分割标注均由经过专业培训的影像核心实验室技术人员手动完成，并由一位拥有12年腹部MRI诊断经验的腹部放射学专家进行审核与校正，最终以独立的二值DICOM图像格式提供，确保了标注的高质量与可靠性。

特点

该数据集的核心价值在于其多样性与临床代表性。DSDS独特地融合了多模态（MRI与CT）、多设备厂商（GE与Siemens）、多成像平面（轴向与冠状面）以及多对比度的影像数据，同时涵盖了从正常到异常形态与体积的脾脏样本，脾脏体积范围在104.36至2025.07立方厘米之间。这种设计旨在模拟真实的临床影像环境，其包含的腹水、腹部静脉曲张等背景混杂因素，为开发能够泛化至不同影像条件和疾病状态的鲁棒性分割模型提供了不可或缺的训练资源。

使用方法

作为公开可用的单器官脾脏分割数据集，DSDS为医学图像分割算法的研发与验证提供了重要平台。研究者可通过Zenodo平台获取该数据集，利用其全面的标注信息训练深度学习模型，特别是针对脾脏体积自动测量的任务。数据集既可整体用于提升模型对不同影像类型和病理状态的泛化能力，也可根据具体研究目标（如专注于特定模态或对比度）选取子集进行针对性实验。其提供的异常脾脏样本，有效补充了现有公开数据集中正常脾脏数据的不足，推动了临床实用分割工具的发展。

背景与挑战

背景概述

在医学影像分析领域，脾脏体积的精确量化对于慢性肝病及门静脉高压等疾病的临床评估具有重要意义。传统手动分割方法耗时费力，难以广泛应用于大规模临床实践。为此，杜克大学的研究团队于近期构建了Duke Spleen Data Set（DSDS），旨在为脾脏自动分割模型的训练提供高质量的多模态影像数据。该数据集包含109例CT与MRI影像，涵盖不同厂商设备、成像平面及对比度条件，并特别纳入了形态异常的脾脏样本，以增强模型在复杂临床场景中的泛化能力。DSDS的发布填补了单一器官脾脏分割公开数据集的空白，尤其首次引入了磁共振影像及病理脾脏数据，为相关算法的开发与验证提供了关键资源。

当前挑战

脾脏自动分割面临的核心挑战在于器官形态与纹理的高度变异性，尤其在慢性肝病患者中，脾脏常伴随腹水、静脉曲张等复杂背景干扰，增加了准确分割的难度。现有公开数据集多集中于正常脾脏或作为多器官分割任务的一部分，缺乏针对异常脾脏且涵盖多模态影像的专项数据。在DSDS构建过程中，研究团队需克服数据采集与标注的诸多困难：包括跨模态（CT与MRI）、跨厂商（GE与Siemens）影像的协调整合，以及在不同成像参数下保持标注一致性的问题。此外，手动分割依赖少数经验丰富的技术员与放射科医生，可能引入因工作站设置或个人判断差异导致的标注偏差，且数据均来源于单一机构，在影像协议与患者群体多样性方面存在一定局限。

常用场景

经典使用场景

在医学影像分析领域，脾脏体积的精确测量对于评估慢性肝病和门脉高压等疾病至关重要。Duke Spleen Data Set (DSDS) 作为一个多模态、多厂商、多平面和多对比度的公开数据集，其最经典的使用场景在于训练和验证深度学习模型进行脾脏自动分割。该数据集涵盖了CT和MRI两种成像技术，包括正常与异常形态的脾脏样本，为研究者提供了一个高度多样化的基准平台，以开发鲁棒性强的分割算法，应对临床影像中常见的形状变异和纹理复杂性挑战。

衍生相关工作

DSDS 的发布催生了一系列围绕脾脏分割与体积分析的衍生研究。例如，基于该数据集的深度学习模型（如改进的U-Net架构）被广泛应用于多器官分割任务中，以提升脾脏特异性分割精度。同时，该数据集常与Medical Segmentation Decathlon、CHAOS等多器官数据集结合，用于验证算法在腹部影像中的综合性能。这些工作不仅深化了对脾脏影像特征的理解，还推动了跨模态分割技术的发展，为后续脾脏病理学研究和自动化工具优化奠定了重要基础。

数据集最近研究

最新研究方向

在医学影像分析领域，脾脏体积的精准量化对于慢性肝病及门脉高压的临床评估至关重要。Duke Spleen Data Set (DSDS) 作为首个公开的多模态、多厂商、多平面及多对比度的脾脏分割数据集，其最新研究方向聚焦于提升深度学习模型在复杂临床场景中的泛化能力。前沿探索致力于利用该数据集开发鲁棒性强的自动分割算法，以应对异常脾脏形态、背景混杂因素（如腹水与静脉曲张）以及不同成像协议带来的变异挑战。这一进展不仅填补了单器官脾脏分割数据在磁共振成像与病理状态下的空白，还为脾脏体积测量的高效自动化提供了关键支持，推动了个性化医疗与影像组学在腹部疾病诊断中的深化应用。

相关研究论文

• Duke Spleen Data Set: A Publicly Available Spleen MRI and CT dataset for Training Segmentation

  杜克大学 · 2023年