RSNA 腰椎退行性成像脊柱分类（LumbarDISC）数据集
图像与视频处理
2025-06-12 v1 计算机视觉与模式识别
摘要
美国放射学会（RSNA）腰椎退行性成像脊柱分类（LumbarDISC）数据集是最大规模的公开可用的成人 MRI 腰椎检查数据集，其标注了退行性变化。该数据集包含来自 6 个国家和 5 大洲的 8 家机构的 2,697 名患者的共计 8,593 个图像序列。该数据集可通过 Kaggle 和 RSNA 医学影像人工智能资源（MIRA）免费获取，供非商业用途使用。该数据集是为 RSNA 2024 腰椎退行性分类竞赛而创建的，参赛者开发了深度学习模型来对腰椎退行性变化进行分级。在腰椎的每个椎间盘水平上，对椎管狭窄程度、关节下隐窝狭窄程度和神经孔狭窄程度进行了分级。图像由来自 RSNA、美国神经放射学会和美国脊柱放射学会的专家志愿神经放射科医师和肌肉骨骼放射科医师进行标注。该数据集旨在促进机器学习和腰椎成像的研究与开发，以改善患者护理和临床效率。
引用
@article{arxiv.2506.09162,
title = {The RSNA Lumbar Degenerative Imaging Spine Classification (LumbarDISC) Dataset},
author = {Tyler J. Richards and Adam E. Flanders and Errol Colak and Luciano M. Prevedello and Robyn L. Ball and Felipe Kitamura and John Mongan and Maryam Vazirabad and Hui-Ming Lin and Anne Kendell and Thanat Kanthawang and Salita Angkurawaranon and Emre Altinmakas and Hakan Dogan and Paulo Eduardo de Aguiar Kuriki and Arjuna Somasundaram and Christopher Ruston and Deniz Bulja and Naida Spahovic and Jennifer Sommer and Sirui Jiang and Eduardo Moreno Judice de Mattos Farina and Eduardo Caminha Nunes and Michael Brassil and Megan McNamara and Johanna Ortiz and Jacob Peoples and Vinson L. Uytana and Anthony Kam and Venkata N. S. Dola and Daniel Murphy and David Vu and Dataset Contributor Group and Dataset Annotator Group and Competition Data Notebook Group and Jason F. Talbott},
journal= {arXiv preprint arXiv:2506.09162},
year = {2025}
}