WMH
WMH（White Matter Hyperintensity，脑白质高信号）数据集是一个专门用于比较和评估脑白质高信号自动分割技术的多模态脑部MR数据集。该数据集包含来自不同机构、不同MR扫描仪的60例训练数据，每例数据均包含T1加权和FLAIR序列的脑部MR图像以及专家手动标注的脑白质高信号区域。此外，数据集还包含来自5台不同MRI扫描仪的110例测试案例，用于评估参赛团队开发的自动分割算法。测试数据未公开发布，以确保评估的公平性和有效性。值得注意的是，该数据集还为部分数据提供了除WMH外的其他脑部病变标注，但这些标注在评估过程中被忽略，本文也未予考虑。
toujingbu可视化图片
可视化图片 1
可视化图片 2
可视化图片 3
可视化图片 4
数据集元信息
| 维度 | 3D |
| 模态 | mri |
| 任务类型 | segmentation |
| 解剖结构 | 脑白质高信号 |
| 解剖区域 | 头部 |
| 类别数 | 1 |
| 数据量 | 170 |
| 文件格式 | .nii.gz |
文件结构
dataverse_files/
├── MANIFEST.TXT
├── readme.pdf
├── additional_annotations/
│ ├── observer_o3/
│ └── observer_o4/
├── test/
│ ├── Amsterdam/
│ ├── Singapore/
│ └── Utrecht/
└── training/
├── Amsterdam/
│ ├── GE3T/
│ │ ├── 100/
│ │ │ └── wmh.nii.gz
│ │ ├── 101/
│ │ │ └── wmh.nii.gz
│ │ ├── ... (更多编号文件夹)
│ │ └── 144/
│ │ └── wmh.nii.gz
│ └── ... (其他扫描类型和编号文件夹)
├── Singapore/
│ └── ... (类似结构)
└── Utrecht/
└── ... (类似结构)图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | (0.96, 0.96, 3.0) |
(132, 232, 48) |
| 中位值 | (1.0, 0.98, 3.0) |
(232, 256, 48) |
| 最大值 | (1.2, 1.0, 3.0) |
(256, 256, 83) |
引用
@ARTICLE{8669968,
author={Kuijf, Hugo J. and Biesbroek, J. Matthijs and De Bresser, Jeroen and Heinen, Rutger and Andermatt, Simon and Bento, Mariana and Berseth, Matt and Belyaev, Mikhail and Cardoso, M. Jorge and Casamitjana, Adrià and Collins, D. Louis and Dadar, Mahsa and Georgiou, Achilleas and Ghafoorian, Mohsen and Jin, Dakai and Khademi, April and Knight, Jesse and Li, Hongwei and Lladó, Xavier and Luna, Miguel and Mahmood, Qaiser and McKinley, Richard and Mehrtash, Alireza and Ourselin, Sébastien and Park, Bo-Yong and Park, Hyunjin and Park, Sang Hyun and Pezold, Simon and Puybareau, Elodie and Rittner, Leticia and Sudre, Carole H. and Valverde, Sergi and Vilaplana, Verónica and Wiest, Roland and Xu, Yongchao and Xu, Ziyue and Zeng, Guodong and Zhang, Jianguo and Zheng, Guoyan and Chen, Christopher and van der Flier, Wiesje and Barkhof, Frederik and Viergever, Max A. and Biessels, Geert Jan},
journal={IEEE Transactions on Medical Imaging},
title={Standardized Assessment of Automatic Segmentati