PENGWIN
PENGWIN 数据集是 MICCAI2024 的PENGWIN 挑战赛的数据集，挑战包含两个任务：任务1是在3D CT扫描中进行骨折分割，这对骨折类型的确定、术前规划以及螺钉固定计划至关重要；任务2是在2D X光图像上进行分割，这对于将手术计划传输到手术室并通过注册进行精确的手术导航非常关键。这些技术的发展将对骨盆骨折的诊断和图像引导手术产生深远影响。 本文主要介绍 Task1 数据集，其中 Task1 训练数据包含 100 个 mha 文件，我们无法获得 val 和 test 数据。数据集的标签内容为：0 = 背景，1-10 = 骶骨碎片，11-20 =左髋骨碎片，21-30 = 右髋骨碎片。 这个数据集是为MICCAI 2024的PENGWIN分割挑战而设计的，旨在推动骨盆骨折自动分割技术的发展。该数据集包括150名计划进行骨盆复位手术的患者的3D CT扫描，这些扫描来自多个机构，使用了各种扫描设备。数据集涵盖了多样的患者群体和骨折类型，骨折区域的GT标注是由医学专家半自动注释并验证的。此外，还使用DeepDRR方法从CT数据生成了高质量、现实的X光图像和相应的2D标签，这些图像和标签模拟了多种虚拟的C臂摄像机位置和外科工具。
腹部可视化图片
可视化图片 1
可视化图片 2
数据集元信息
| 维度 | 3D |
| 模态 | ct |
| 任务类型 | segmentation |
| 解剖结构 | Pelvis |
| 解剖区域 | Abdomen |
| 类别数 | 3 |
| 数据量 | 100 |
| 文件格式 | .mha |
文件结构
.
├── 001.mha
├── 002.mha
├── 003.mha
├── ...
├── 098.mha
├── 099.mha
└── 100.mha图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | (0.625, 0.658, 0.658) |
(322, 154, 193) |
| 中位值 | (0.801, 0.798, 0.798) |
(512, 512, 326) |
| 最大值 | (1.25, 1.25, 1.25) |
(512, 512, 414) |
引用
@inproceedings{liu2023pelvic,
title={Pelvic Fracture Segmentation Using a Multi-scale Distance-Weighted Neural Network},
author={Liu, Yanzhen and Yibulayimu, Sutuke and Sang, Yudi and Zhu, Gang and Wang, Yu and Zhao, Chunpeng and Wu, Xinbao},
booktitle={International Conference on Medical Image Computing and Computer-Assisted Intervention},
pages={312--321},
year={2023},
organization={Springer}
}