全身影像数据集介绍
1、TotalSegmentator数据集
是目前三维医学图像分割领域的最大公开数据集,包括 1204 张 CT 图像,覆盖全身的 104 种解剖结构。其中,1082张用于训练,57张用于验证,65张为测试集。与大多数仅聚焦于部分器官且数据量有限的数据集不同,TotalSegmentator 提供了前所未有的数据规模和多样性,更好地适应了临床的多变场景。此数据集不仅覆盖了常见器官,还标注了其他数据集中罕见的结构,为模型研究和优化提供了坚实基础。
数据集原信息
标签信息统计
可视化
文件结构
2、TotalSegmentator MRI
数据集包含了 298 例 MR 图像,并提供多达 56 种不同常用解剖结构的分割标注。其中,251 例 MR 图像来自 2011 年至 2023 年间巴塞尔大学医院的图像存档和通信系统(PACS),另外 47 例 MR 图像来自影像数据共享平台(Imaging Data Commons,IDC),以增加图像的多样性。该数据集源自日常临床工作中的随机抽样,代表了一个可推广到临床应用的真实世界数据集。它涵盖了各种不同的病变、扫描仪、成像序列和来自不同医疗机构的数据。值得注意的是,尽管官方论文提到包含 59 种类别,但公开的数据集中仅提供 56 类标注,略有差异。
磁共振成像(MRI)能够在不使用电离辐射的情况下提供人体详细解剖图像,对于神经系统疾病、肌肉骨骼损伤等多种临床诊断至关重要。尽管 TotalSegmetator (CT) 数据集已被广泛使用,但 MRI 图像分割仍面临挑战,主要是由于不同序列和身体部位的成像参数和协议变化,影响算法的普遍性和准确性。TotalSegmentator MRI 数据集扩展了处理各种 MRI 图像的能力,旨在开发一个开源且易用的分割模型,能够自动且稳健地分割主要解剖结构,而不依赖于具体的 MR 序列。