UCSF-PDGM
UCSF-PDGM数据集是一个用于弥漫性胶质瘤分割的MRI模态数据集，属于TCIA（The Cancer Imaging Archive）系列的一部分。该数据集包含501例病例数据，MRI模态包括八种类型：3D T2加权成像、T2/FLAIR加权成像、磁敏感加权成像（SWI，Susceptibility Weighted Imaging）、弥散加权成像（DWI，Diffusion Weighted Imaging）、对比剂注射前后的T1加权成像、3D动脉自旋标记（ASL，Arterial Spin Labeling）灌注成像，以及2D 55方向高角度分辨率弥散成像（HARDI，High Angular Resolution Diffusion Imaging）。研究过程中使用了两种钆基对比剂：Gadovist（0.1 mL/kg，拜耳公司）和钆特酸（0.2 mL/kg，Dotarem，Guerbet公司，法国奥奈苏布瓦）。该数据集不仅包含肿瘤分割，还包括全脑和大脑皮层分割，具体细节可参见可视化部分。
toujingbu可视化图片
可视化图片 1
可视化图片 2
可视化图片 3
数据集元信息
| 维度 | 3D |
| 模态 | mri |
| 任务类型 | segmentation |
| 解剖结构 | 胶质瘤 |
| 解剖区域 | 脑部 |
| 类别数 | 4 |
| 数据量 | 501 |
| 文件格式 | .nii.gz |
文件结构
UCSF-PDGM-v3
│
├── UCSF-PDGM-0004_nifti
│ ├── UCSF-PDGM-0004_ADC.nii.gz
│ ├── UCSF-PDGM-0004_ASL.nii.gz
│ ├── UCSF-PDGM-0004_brain_parenchyma_segmentation.nii.gz
│ ├── UCSF-PDGM-0004_brain_segmentation.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_FA.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_L1.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_L2.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_L3.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_MD.nii.gz
│ ├── UCSF-PDGM-0004_DTI_eddy_noreg.nii.gz
│ ├── UCSF-PDGM-0004_DWI_bias.nii.gz
│ ├── UCSF-PDGM-0004_DWI.nii.gz
│ ├── UCSF-PDGM-0004_FLAIR_bias.nii.gz
│ ├── UCSF-PDGM-0004_FLAIR.nii.gz
│ ├── UCSF-PDGM-0004_SWI_bias.nii.gz
│ ├── UCSF-PDGM-0004_SWI.nii.gz
│ ├── UCSF-PDGM-0004_T1_bias.nii.gz
│ ├── UCSF-PDGM-0004_T1c_bias.nii.gz
│ ├── UCSF-PDGM-0004_T1c.nii.gz
│ ├── UCSF-PDGM-0004_T1.nii.gz
│ ├── UCSF-PDGM-0004_T2_bias.nii.gz
│ ├── UCSF-PDGM-0004_T2.nii.gz
│ ├── UCSF-PDGM-0004_tumor_segmentation.nii.gz
├── UCSF-PDGM-0005_nifti
│ ├── UCSF-PDGM-0005_ADC.nii.gz
│ ├─图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | (1.00, 1.00, 1.00) |
(240, 240, 155) |
| 中位值 | (1.00, 1.00, 1.00) |
(240, 240, 155) |
| 最大值 | (1.00, 1.00, 1.00) |
(240, 240, 155) |
引用
@article{Calabrese_2022,
title={The University of California San Francisco Preoperative Diffuse Glioma MRI Dataset},
volume={4},
ISSN={2638-6100},
url={http://dx.doi.org/10.1148/ryai.220058},
DOI={10.1148/ryai.220058},
number={6},
journal={Radiology: Artificial Intelligence},
publisher={Radiological Society of North America (RSNA)},
author={Calabrese, Evan and Villanueva-Meyer, Javier E. and Rudie, Jeffrey D. and Rauschecker, Andreas M. and Baid, Ujjwal and Bakas, Spyridon and Cha, Soonmee and Mongan, John T. and Hess, Christopher P.},
year={2022},
month=nov }