CMRxRecon2024：促进心脏 MRI 加速重建通用机器学习的多模态多视图 K 空间数据集
图像与视频处理
2025-01-17 v2 人工智能
计算机视觉与模式识别
数据库
摘要
心脏磁共振成像因其能够通过多种模态和解剖视图提供多样化信息，已成为诊断心脏疾病的临床金标准技术。加速心脏 MRI 有望实现省时且对患者友好的成像，随后需要先进的图像重建方法从欠采样测量中恢复高质量、临床可解释的图像。然而，公开可用的心脏 MRI k 空间数据集在数量和多样性上的缺乏严重阻碍了实质性的技术进步，特别是对于数据驱动的人工智能。在此，我们提供了一个标准化、多样化且高质量的 CMRxRecon2024 数据集，以促进心脏 MRI 重建方法的技术开发、公平评估和临床转化，旨在推动能够在临床实践中跨不同心脏 MRI 协议实现快速且稳健重建的通用框架。据我们所知，CMRxRecon2024 数据集是目前最大且协议最多样化的公开可用心脏 k 空间数据集。该数据集采集自 330 名健康志愿者，涵盖了临床心脏 MRI 工作流程中常用的模态、解剖视图和采集轨迹。此外，还提供了一个包含教程、基准测试和数据处理工具的开放平台，以促进数据使用、先进方法开发和公平的性能评估。
引用
@article{arxiv.2406.19043,
title = {CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI},
author = {Zi Wang and Fanwen Wang and Chen Qin and Jun Lyu and Cheng Ouyang and Shuo Wang and Yan Li and Mengyao Yu and Haoyu Zhang and Kunyuan Guo and Zhang Shi and Qirong Li and Ziqiang Xu and Yajing Zhang and Hao Li and Sha Hua and Binghua Chen and Longyu Sun and Mengting Sun and Qin Li and Ying-Hua Chu and Wenjia Bai and Jing Qin and Xiahai Zhuang and Claudia Prieto and Alistair Young and Michael Markl and He Wang and Lianming Wu and Guang Yang and Xiaobo Qu and Chengyan Wang},
journal= {arXiv preprint arXiv:2406.19043},
year = {2025}
}
备注
23 pages, 3 figures, 2 tables