MosaicMRI：面向原始肌肉骨骼 MRI 的多样性数据集与基准
计算机视觉与模式识别
2026-04-14 v1 机器学习
信号处理
医学物理
机器学习
摘要
深度学习支撑着 MRI 中的一系列应用，包括重建、去除伪影和分割。然而，进展主要来自聚焦于脑部和膝部成像的公开数据集，这塑造了模型的训练与评估方式。结果是，对这些模型在多样化解剖场景下可靠性进行仔细研究的工作仍相对有限。本文我们引入 MosaicMRI，一个大型且多样化的全采样原始肌肉骨骼 (MSK) MR 测量集合，用于训练和评估基于机器学习的方法。MosaicMRI 是目前最大的开源原始 MSK MRI 数据集，包含 2,671 个体积和 80,156 个切片。数据集在体积方向（例如轴向、侧位）、成像对比度（例如 PD、T1、T2）、解剖结构（例如脊椎、膝关节、髋关节、踝关节等）以及采集线圈数量方面提供了大量多样性。以 VarNet 作为加速重建任务的基线，我们进行一系列完整的实验，以研究模型容量和数据集大小的比例尺化行为。有趣的是，在低样本 regime 下，训练于多个解剖结构的模型显著优于特定解剖结构的模型，这凸显了解剖多样性的益处以及跨解剖相关性的存在。我们进一步通过在一个解剖结构上训练模型（例如脊椎）并在另一个解剖结构上测试（例如膝关节）来评估鲁棒性和跨解剖泛化。值得注意的是，我们识别出一组能良好互相泛化的身体部位（例如脚和肘部），并指出在 domain shift 下的性能取决于训练集大小、解剖结构以及特定协议因素。
引用
@article{arxiv.2604.11762,
title = {MosaicMRI: A Diverse Dataset and Benchmark for Raw Musculoskeletal MRI},
author = {Paula Arguello and Berk Tinaz and Mohammad Shahab Sepehri and Maryam Soltanolkotabi and Mahdi Soltanolkotabi},
journal= {arXiv preprint arXiv:2604.11762},
year = {2026}
}
备注
15 pages, 6 figures, preliminary version