HAND MRI Dataset (PIANO)|医学影像数据集|生物力学数据集

这是一个用于PIANO和NIMBLE项目的手部MRI数据集，包含MRI原始体积、骨掩膜体积、3D关节标注等，用于研究手部骨骼和肌肉的参数化模型。

原始信息汇总

HAND MRI Dataset (PIANO)

数据集概述

该数据集用于 PIANO: A Parametric Hand Bone Model from Magnetic Resonance Imaging 和 NIMBLE: A Non-rigid Hand Model with Bones and Muscles 研究项目。

MRI 数据集部分 1 (50 vols)

1. MRI 原始体积 [Google Drive]
2. 骨骼掩膜体积 [Google Drive]
3. 3D 关节标注（物理空间） [Google Drive]

标注扩展

1. 肌肉掩膜体积（来自 NIMBLE） [Google Drive]

有用代码 - mask2mesh.py

• 从体积掩膜生成网格 python mri_mask = "00001_bonemuscle.nii" mri_mask_vol = sitk.ReadImage(mri_mask) bone_mesh = generate_seg_mesh(mri_mask_vol, 1) muscle_mesh = generate_seg_mesh(mri_mask_vol, 2)

  bone_mesh.export("bone.obj") muscle_mesh.export("muscle.obj")

• 细粒度骨骼掩膜 python joints_file = "00001_joints.txt" joints3d = np.loadtxt(joints_file) semantic_bonemesh = finegrained_bone(joints3d, bone_mesh) semantic_bonemesh.export("sbone.obj")

• 自动表面分割 python mri_raw = "00001.nii" surf_mask_vol = naive_seg(sitk.ReadImage(mri_raw)) surf_mesh = generate_seg_mesh(surf_mask_vol) surf_mesh.export("surf.obj")

引用

如果您发现此数据对您的研究有用，请考虑引用以下文献：

@inproceedings{li2021piano, title = {PIANO: A Parametric Hand Bone Model from Magnetic Resonance Imaging}, author = {Li, Yuwei and Wu, Minye and Zhang, Yuyao and Xu, Lan and Yu, Jingyi}, booktitle = {Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence, {IJCAI-21}}, editor = {Zhi-Hua Zhou}, pages = {816--822}, year = {2021}, month = {8}, note = {Main Track}, doi = {10.24963/ijcai.2021/113}, url = {https://doi.org/10.24963/ijcai.2021/113} }

@misc{li2022nimble, title = {NIMBLE: A Non-rigid Hand Model with Bones and Muscles}, author = {Li, Yuwei and Zhang, Longwen and Qiu, Zesong and Jiang, Yingwenqi and Zhang, Yuyao and Li, Nianyi and Ma, Yuexin and Xu, Lan and Yu, Jingyi}, year = {2022}, eprint = {2202.04533}, archiveprefix = {arXiv}, primaryclass = {cs.CV} }

AI搜集汇总

数据集介绍

构建方式

在医学影像领域，HAND MRI Dataset (PIANO) 数据集通过磁共振成像（MRI）技术，系统地捕捉了手部骨骼和肌肉的详细结构。该数据集由50个MRI原始体积、骨骼掩膜体积和3D关节注释组成，这些数据均在物理空间中精确标注。此外，数据集还包含了从NIMBLE项目中扩展的肌肉掩膜体积，进一步丰富了手部解剖结构的细节。通过这些多层次的数据，研究者能够深入分析手部骨骼和肌肉的形态与功能。

特点

HAND MRI Dataset (PIANO) 数据集的显著特点在于其高精度的3D注释和多层次的数据结构。该数据集不仅提供了手部骨骼的详细掩膜，还包含了肌肉的掩膜信息，使得研究者能够同时分析骨骼和肌肉的相互作用。此外，数据集中的3D关节注释为手部运动的生物力学研究提供了宝贵的数据支持。这些特点使得该数据集在手部解剖学和运动学研究中具有重要的应用价值。

使用方法

HAND MRI Dataset (PIANO) 数据集的使用方法多样，适用于多种研究需求。研究者可以通过提供的代码脚本，如mask2mesh.py，将MRI掩膜数据转换为3D网格模型，便于进一步的形态学分析。此外，数据集中的原始MRI体积和注释文件可以直接用于深度学习模型的训练，以实现手部结构的自动分割和识别。通过这些工具和数据，研究者能够高效地开展手部解剖学和运动学的相关研究。

背景与挑战

背景概述

HAND MRI Dataset (PIANO) 是由Yuwei Li等人创建的，旨在支持手部骨骼和肌肉的参数化模型研究。该数据集源自磁共振成像（MRI）技术，主要用于**PIANO: A Parametric Hand Bone Model from Magnetic Resonance Imaging**和**NIMBLE: A Non-rigid Hand Model with Bones and Muscles**两项研究。通过提供高精度的MRI原始数据、骨骼和肌肉的掩膜体积以及三维关节标注，该数据集为手部结构的研究提供了宝贵的资源。其创建时间为2021年，主要研究人员包括Yuwei Li、Minye Wu、Yuyao Zhang等，研究的核心问题是如何从MRI数据中提取并参数化手部骨骼和肌肉模型，对计算机视觉和医学影像分析领域具有重要影响。

当前挑战

HAND MRI Dataset (PIANO) 在构建过程中面临多项挑战。首先，MRI数据的获取和处理需要高精度的设备和技术，确保数据的准确性和完整性。其次，骨骼和肌肉的自动分割和标注是一个复杂的过程，涉及复杂的图像处理算法和深度学习模型。此外，如何从MRI数据中提取出精细的骨骼和肌肉结构，并进行有效的参数化建模，也是一个重要的研究难点。这些挑战不仅影响了数据集的质量，也对其在相关领域的应用提出了更高的要求。

常用场景

经典使用场景

在医学影像分析领域，HAND MRI Dataset (PIANO) 数据集被广泛应用于手部骨骼和肌肉的三维重建与分析。通过该数据集，研究者能够利用磁共振成像（MRI）技术获取高分辨率的手部结构数据，进而实现对手部骨骼和肌肉的精确建模。这一经典场景不仅推动了医学影像处理技术的发展，还为手部疾病诊断和治疗提供了重要的数据支持。

实际应用

在实际应用中，HAND MRI Dataset (PIANO) 数据集被广泛用于手部疾病诊断和手术规划。通过对手部骨骼和肌肉的精确建模，医生能够更准确地诊断手部疾病，如关节炎和骨折，并制定更有效的治疗方案。此外，该数据集还支持手部康复训练的个性化设计，帮助患者更快地恢复手部功能。

衍生相关工作

基于 HAND MRI Dataset (PIANO) 数据集，研究者们开发了多种手部建模和分析工具，如 PIANO 和 NIMBLE 模型。这些工具不仅提高了手部结构建模的精度，还推动了手部运动分析和仿真技术的发展。此外，该数据集还激发了对手部生物力学和运动机制的深入研究，为手部相关疾病的预防和治疗提供了新的思路。