一个多视图的开放访问数据集,对结合膝盖MRI的移动工件移除
Yu Xi1, Fang Wang2,3, Feng Shi2
1Department of Radiology, Sichuan Provincial People's Hospital, University of Electronic Science and Technology of China, Chengdu, China.
Scientific data
|July 9, 2025
概括
膝盖的磁共振成像 (MRI) 可以通过移除运动器件来改善. 一个新的数据集,KMAR-50K,有助于开发和测试人工智能模型去除文物,提高膝盖MRI质量.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 磁共振成像 (MRI) 对于诊断膝盖疾病至关重要.
- 膝盖MRI扫描中的运动工件降低了诊断的准确性和效率.
- 开发有效的人工物清除技术对于临床实践至关重要.
研究的目的:
- 介绍KMAR-50K数据集用于膝盖MRI运动器件移除研究.
- 为评估旨在减少工件的AI模型提供一个基准.
- 促进开发更有效,更准确的膝盖MRI分析.
主要方法:
- 创建KMAR-50K数据集:1190名患者,1444名MRI序列对,62506张图像.
- 数据集包括配对的图像 (运动文物与地面真相) 与预处理 (偏差纠正,规范化,注册).
- 三种人工智能模型的基准测试,用于移除运动工件.
主要成果:
- 该KMAR-50K数据集可以严格测试文物移除算法.
- 在横平面上,U-Net表现出卓越的性能 (PSNR=28.468,SSIM=0.927).
- U-Net实现了最快的推断时间 (0.5s/体积),表明了临床效用.
结论:
- KMAR-50K数据集是推动膝盖MRI器件移除的宝贵资源.
- 人工智能模型,特别是U-Net,在提高膝盖MRI质量和效率方面显示出显著的前景.
- 在U-Net中,准确性和速度的平衡凸显了其临床应用的潜力.
