CMRxRecon:一个公开可用的k空间数据集和基准,用于推进心脏MRI的深度学习
Chengyan Wang1, Jun Lyu2, Shuo Wang3
1Human Phenome Institute, Fudan University, Shanghai, China.
Scientific data
|June 25, 2024
概括
心脏磁共振成像 (CMR) 是缓慢的,影响图像质量和患者吞吐量. 一个新的,大数据集 (CMRxRecon) 的原始CMR数据现在可用,以推进深度学习,以实现更快,高质量的心脏成像.
科学领域:
- 医疗成像医学成像
- 心血管疾病 心血管疾病
- 人工智能的人工智能
背景情况:
- 心脏磁共振成像 (CMR) 对于诊断心脏病至关重要,但其收获速度较慢.
- 慢速成像限制了患者的吞吐量,引起不适,并引入了文物,降低了诊断图像质量.
- 深度学习方法显示出从低样本数据中重建高质量的CMR图像的前景,但需要大型,可访问的数据集.
研究的目的:
- 解决基于深度学习的CMR图像重建的公共数据集缺乏问题.
- 引入"CMRxRecon"数据集,其中包含全面的多对比,多视图,多切片和多线圈CMR数据.
- 促进研究和开发先进的CMR图像重建技术.
主要方法:
- 该研究介绍了"CMRxRecon"数据集,包括300名受试者的原始k空间数据和自动校准线.
- 该数据集包括各种CMR成像序列,特别是心脏影像和映射.
- 提出了标准化的评估标准,以指导重建算法的评估.
主要成果:
- 一个大型的多参数CMR数据集 ("CMRxRecon") 已创建并公开提供.
- 该数据集支持开发和验证用于加速CMR的深度学习算法.
- 原始数据和标准化标准的可用性旨在促进可复制的研究.
结论:
- "CMRxRecon"数据集填补了一个关键的空白,使CMR的深度学习能够取得进展.
- 可访问,高质量的数据集对于提高CMR成像速度和诊断准确度至关重要.
- 预计这一资源将加速心脏MRI重建技术的创新.
