
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于大型医疗中心真实临床运动伪影的脑部MRI配对数据集构建
《Scientific Data》:A clinical brain MRI dataset of naturally occurring motion artifacts with paired artifact-free images
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Data 7.2
编辑推荐:
摘要运动伪影仍然是磁共振成像(MRI)面临的主要挑战,它降低图像质量并损害诊断可靠性。尽管基于深度学习的回顾性校正方法在脑部MRI领域已取得进展,但其发展受到以合成或任务诱导的运动伪影为主导的训练数据集的限制,这些数据集无法充分代表真实临床场景中的运动。我们提出了一个源自大型
运动伪影仍然是磁共振成像(MRI)面临的主要挑战,它降低图像质量并损害诊断可靠性。尽管基于深度学习的回顾性校正方法在脑部MRI领域已取得进展,但其发展受到以合成或任务诱导的运动伪影为主导的训练数据集的限制,这些数据集无法充分代表真实临床场景中的运动。我们提出了一个源自大型医疗中心常规检查的、包含自然发生运动伪影的脑部MRI数据集。该数据集包含来自731名患者的747对配对体积数据集(切片厚度4.0–6.7毫米)中衍生的5,143对二维切片,以及来自146名患者的147对配对三维体积数据集(切片厚度0.67–1.1毫米),涵盖T1加权、增强T1加权、T2加权及液体衰减反转恢复(FLAIR)序列。数据通过包含五个步骤的流程进行整理,包括基于深度学习的预筛选、序列筛选与采集分类、刚性配准、自动筛选和人工质量控制。每对运动损坏/无伪影的配对均标注了客观图像质量指标(PSNR、SSIM、MS-SSIM和LPIPS)和主观伪影严重性评分,从而能够开发和评估具有临床适用性的运动校正方法。