本文发布了CMRxRecon数据集,包括来自 300 名受试者的多对比度、多视图、多切片和多通道 CMR 成像数据,还由经验丰富的放射科医生提供了所有受试者的心肌和心室的手动分割。单位:复旦, 香港理工大学, 厦大等
心脏磁共振成像(CMR)已成为心脏病的重要诊断工具。然而,CMR 的局限性在于其成像速度慢,这会导致患者不适并在图像中引入伪影。 人们对基于深度学习的 CMR 成像算法越来越感兴趣,这些算法可以从高度欠采样的 k 空间数据重建高质量图像。 然而,深度学习方法的开发需要大量的训练数据集,而这些数据集尚未公开用于 CMR。 为了解决这一差距,我们发布了一个数据集,其中包括来自 300 名受试者的多对比度、多视图、多切片和多线圈 CMR 成像数据。 成像研究包括心脏电影和绘图序列。 数据集中还提供了所有受试者的心肌和心室的手动分割。 还提供了最先进的重建算法的脚本作为参考。 我们的目标是通过引入标准化评估标准并使研究界免费访问数据集来促进最先进的 CMR 图像重建的进步。
论文地址:https://arxiv.org/abs/2309.10836
代码地址:https://github.com/CmrxRecon/CMRxRecon/
需要进论文创新点群的,关注我私信我,进论文创新点群