在3特斯拉和7特斯拉的多模态MRI的配对数据集与手动海马子子子场细分
Lei Chu1, Baoqiang Ma2, Xiaoxi Dong3
1Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science & Medical Engineering, Beihang University, Beijing, 100083, China.
Scientific data
|February 13, 2025
概括
这项研究引入了一组新的数据集,即配对的3特斯拉 (T) 和7T磁共振成像 (MRI) 扫描,以改善自动化海马子子子场细分. 该数据集有助于开发用于从低分辨率的3T扫描中合成高分辨率7T MRI的算法.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 计算神经科学是一种神经科学.
背景情况:
- 海马对于记忆至关重要,但由于分辨率有限,在3特斯拉 (T) MRI中细分具有挑战性.
- 7T MRI提供了卓越的细节,但成本高昂,需要增强3T图像的方法.
- 开发用于3T到7TMRI合成和自动细分的算法需要高质量的配对数据集,这些数据目前很少.
研究的目的:
- 引入一套新的,免费可访问的数据集,对配的3T和7T核磁共振扫描.
- 促进3T至7TMR图像合成模型的开发和评估.
- 支持使用3T图像的自动化海马子子子场细分算法的进步.
主要方法:
- 从20名健康志愿者中获得3T和7T核磁共振扫描.
- 在7T T2加权图像上执行手动海马子场注释,作为基本真相.
- 使用MRIQC评估图像质量.
主要成果:
- 现在可以获得3T和7T核磁共振扫描与手动海马子子子领域细分的数据集.
- 该数据集可以训练和验证MR图像合成和细分算法.
- 使用MRIQC评估图像质量.
结论:
- 引入的数据集解决了用于海马研究的配对高分辨率MRI数据的稀缺问题.
- 它将加速开发用于记忆和神经退行性疾病的先进神经成像分析工具的进展.
- 该数据集是公开可访问的,供更广泛的研究社区使用.
