iSeg
iSeg 是由北卡罗来纳大学教堂山分校的发育中脑部计算实验室 (Developing Brain Computing Lab) 在2017和2019的MICCAI均举办过的比赛。在2017年开始，他们提供了10名训练受试者和13名测试受试者，这些受试者选自多次访问先进儿科（MAP）脑成像研究。尽管只有10例数据，但是这些数据有覆盖全脑且质量较高的脑结构分割，能够给婴儿脑结构相关的研究带来一些参考。由于数据量局限，总的来说比较适合作为测试集，测试脑结构的域外泛化能力等，可以作为一个很具难度的测试任务使用。 脑结构的分割是医学影像分割的重要任务，传统的脑结构分割的重要 benchmark数据集往往集中于特定目标的分割，例如 BraTS21 主要集中于脑肿瘤的分割，MSD Hippocampus 专注于海马体的分割。近年来，婴儿脑结构的分割任务得到了越来越多的关注。婴儿正处于大脑发育的关键阶段，准确地将婴儿脑部MRI图像分割为白质、灰质和脑脊液对研究正常和异常的早期脑部发育十分重要。大约在婴儿6个月大时，结构性MRI图像中脑灰质和脑白质的体素强度范围在很大程度上重叠（尤其是在皮层区域附近），从而导致较低的组织对比度，这为婴儿脑组织分割创造了更大的挑战。
toujingbu可视化图片
iSeg_0.png
iSeg_1.webp
iSeg_2.webp
iSeg_3.webp
iSeg_4.webp
数据集元信息
| 维度 | 3D |
| 模态 | mri |
| 任务类型 | segmentation |
| 解剖结构 | Cerebrospinal fluid, grey matter, white matter |
| 解剖区域 | Brain |
| 类别数 | 3 |
| 数据量 | 23 |
| 文件格式 | .nii.gz |
文件结构
iSeg
├── imagesTr
│ ├── subject-1.nii.gz
│ ├── ...
│ ├── subject-10.nii.gz
├── labelsTr
│ ├── subject-1.nii.gz
│ ├── ...
│ ├── subject-10.nii.gz
├── dataset.json图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | (1.0, 1.0, 1.0) |
(144, 192, 256) |
| 中位值 | (1.0, 1.0, 1.0) |
(144, 192, 256) |
| 最大值 | (1.0, 1.0, 1.0) |
(144, 192, 256) |
引用
@ARTICLE{9339962,
author={Sun, Yue and Gao, Kun and Wu, Zhengwang and Li, Guannan and Zong, Xiaopeng and Lei, Zhihao and Wei, Ying and Ma, Jun and Yang, Xiaoping and Feng, Xue and Zhao, Li and Le Phan, Trung and Shin, Jitae and Zhong, Tao and Zhang, Yu and Yu, Lequan and Li, Caizi and Basnet, Ramesh and Ahmad, M. Omair and Swamy, M. N. S. and Ma, Wenao and Dou, Qi and Bui, Toan Duc and Noguera, Camilo Bermudez and Landman, Bennett and Gotlib, Ian H. and Humphreys, Kathryn L. and Shultz, Sarah and Li, Longchuan and Niu, Sijie and Lin, Weili and Jewells, Valerie and Shen, Dinggang and Li, Gang and Wang, Li},
journal={IEEE Transactions on Medical Imaging},
title={Multi-Site Infant Brain Segmentation Algorithms: The iSeg-2019 Challenge},
year={2021},
volume={40},
number={5},
pages={1363-1376},
doi={10.1109/TMI.2021.3055428}}