Aneumo

Aneumo数据集是一个由复旦大学和上海人工智能科学研究院构建的大规模合成数据集，专注于颅内动脉瘤的血流动力学研究。该数据集基于466个真实动脉瘤模型，通过切除和变形操作生成了10,000个合成模型，包含466个无动脉瘤模型和9,534个变形动脉瘤模型。数据集提供了类似医学图像的分割掩码文件，并包含在8个稳态流速下测量的血流动力学参数，如流速、压力和壁面剪切应力。数据集的创建过程包括3D模型变形、分割掩码生成、网格生成和血流动力学模拟等步骤。该数据集旨在解决颅内动脉瘤的病理特征和血流动力学机制的研究问题，支持数据驱动的建模和分析，为动脉瘤的精确模拟和预测提供宝贵资源。数据集的应用领域包括血流动力学建模、优化和预测，帮助探索动脉瘤形态、血流特征与破裂风险之间的关系，从而改进临床诊断和治疗决策。The Aneumo dataset is a large-scale synthetic dataset developed by Fudan University and the Shanghai Research Institute of Artificial Intelligence, focusing on hemodynamic studies of intracranial aneurysms. This dataset is built upon 466 real aneurysm models, and 10,000 synthetic models are generated via resection and deformation operations, including 466 non-aneurysm models and 9,534 deformed aneurysm models. The dataset provides medical image-like segmentation mask files, and includes hemodynamic parameters measured under 8 steady flow velocities, such as flow velocity, pressure, and wall shear stress. The construction process of the dataset includes steps such as 3D model deformation, segmentation mask generation, mesh generation, and hemodynamic simulation. This dataset aims to address research questions regarding the pathological characteristics and hemodynamic mechanisms of intracranial aneurysms, support data-driven modeling and analysis, and provide valuable resources for accurate simulation and prediction of aneurysms. The application scenarios of the dataset include hemodynamic modeling, optimization, and prediction, assisting in exploring the relationship between aneurysm morphology, blood flow characteristics and rupture risk, thereby improving clinical diagnosis and treatment decisions.

搜集汇总

数据集介绍

构建方式

Aneumo数据集的构建基于466个真实的颅内动脉瘤模型，并通过切除和变形操作生成了10,000个合成模型，其中包括466个无动脉瘤模型和9,534个变形动脉瘤模型。这些模型涵盖了不同大小、位置和形态的动脉瘤。数据集还提供了类似医学图像的分割掩码文件，并包含了在8种稳态流量（0.001至0.004 kg/s）下测量的血流动力学参数，如流速、压力和壁面剪切应力。这一构建过程通过严格的数值模拟和质量控制，确保了数据的多样性和准确性。

使用方法

Aneumo数据集的使用方法主要包括血流动力学建模、优化和预测。研究者可以利用数据集中的3D模型和血流动力学参数，进行数值模拟以分析动脉瘤的血流特征和破裂风险。数据集提供的分割掩码文件可以用于与医学影像数据结合，支持更精确的血流动力学分析。此外，数据集还可用于开发新的计算模型和验证临床预测工具，帮助研究者深入理解动脉瘤的病理特征和血流动力学机制，从而为临床诊断和治疗决策提供支持。

背景与挑战

背景概述

Aneumo数据集是由复旦大学人工智能创新与孵化研究院和上海人工智能科学研究院的研究团队于2023年构建的一个大规模颅内动脉瘤血流动力学综合数据集。该数据集旨在解决颅内动脉瘤（IA）这一常见脑血管疾病的病理生理学和血流动力学机制研究中的关键问题。颅内动脉瘤通常无症状，但一旦破裂可能导致严重的蛛网膜下腔出血（SAH），其形成、发展和破裂机制复杂且尚未完全阐明。Aneumo数据集基于466个真实动脉瘤模型，通过切除和变形操作生成了10,000个合成模型，涵盖了不同大小、位置和形态的动脉瘤。此外，数据集还提供了类似医学图像的分割掩码文件，并在8种稳态流量条件下测量了血流速度、压力和壁面剪切应力等关键血流动力学参数。这一数据集为研究动脉瘤的发病机制和临床预测提供了宝贵的资源，推动了颅内动脉瘤血流动力学研究的深入发展。

当前挑战

Aneumo数据集在构建和应用过程中面临多重挑战。首先，颅内动脉瘤的血流动力学机制复杂且尚未完全明确，现有的临床研究多依赖于个体因素和形态特征，而血流动力学参数的获取和分析仍存在争议。其次，数据集的构建需要结合真实动脉瘤模型和合成模型，确保模型的多样性和生理合理性，同时生成高质量的分割掩码文件和血流动力学数据，这一过程对计算资源和算法精度提出了极高要求。此外，现有的颅内动脉瘤数据集多侧重于影像数据或3D模型，缺乏综合的血流动力学信息，Aneumo数据集填补了这一空白，但其数据的多样性和复杂性也对后续的分析和应用提出了挑战。最后，如何将人工智能技术与计算流体动力学（CFD）模拟相结合，以提高动脉瘤破裂风险预测的准确性和模型的可解释性，仍是未来研究的重要方向。

常用场景

经典使用场景

Aneumo数据集在颅内动脉瘤血流动力学研究中具有广泛的应用。该数据集通过提供466个真实动脉瘤模型和10,000个合成模型，涵盖了不同大小、位置和形态的动脉瘤，为研究人员提供了丰富的血流动力学参数，如流速、压力和壁面剪切应力。这些数据支持了从动脉瘤形成、发展到破裂的全面研究，尤其是在血流动力学机制与动脉瘤破裂风险之间的关系方面，Aneumo数据集为相关研究提供了坚实的基础。

解决学术问题

Aneumo数据集解决了颅内动脉瘤研究中血流动力学机制不明确的问题。通过提供多种稳态血流条件下的血流动力学数据，该数据集帮助研究人员深入理解动脉瘤的血流特性及其与破裂风险的关系。此外，数据集中的合成模型和医学图像分割掩码文件为数据驱动的建模和分析提供了支持，推动了基于计算流体动力学（CFD）和人工智能（AI）的动脉瘤研究，提升了临床预测的准确性和模型的可解释性。

实际应用

Aneumo数据集在临床实践中具有重要的应用价值。通过提供详细的血流动力学参数，该数据集可用于优化动脉瘤的诊断和治疗策略。例如，医生可以利用数据集中的血流动力学模型来评估动脉瘤的稳定性，预测破裂风险，并制定个性化的治疗方案。此外，数据集还可用于开发基于AI的动脉瘤破裂预测工具，帮助临床医生做出更精准的决策，从而改善患者的预后。

数据集最近研究

最新研究方向

近年来，Aneumo数据集在颅内动脉瘤血流动力学研究领域引起了广泛关注。该数据集通过整合466个真实动脉瘤模型和10,000个合成模型，提供了丰富的血流动力学参数，如流速、压力和壁面剪切应力等，覆盖了多种稳态血流条件。这一数据集不仅填补了现有研究中缺乏综合3D建模和血流动力学数据的空白，还为基于人工智能的动脉瘤破裂风险预测提供了重要支持。通过结合计算流体动力学（CFD）模拟和AI技术，研究者能够更深入地理解动脉瘤的形成、发展和破裂机制，从而推动个性化治疗策略的发展。此外，Aneumo数据集还为临床诊断和治疗决策提供了可靠的数据基础，具有重要的科学和临床意义。

相关研究论文

• Aneumo: A Large-Scale Comprehensive Synthetic Dataset of Aneurysm Hemodynamics

  复旦大学人工智能创新与孵化研究院, 上海人工智能科学研究院 · 2025年