本文發(fā)布了CMRxRecon數(shù)據(jù)集，包括來自 300 名受試者的多對比度、多視圖、多切片和多通道 CMR 成像數(shù)據(jù)，還由經(jīng)驗豐富的放射科醫(yī)生提供了所有受試者的心肌和心室的手動分割。單位：復旦, 香港理工大學, 廈大等 心臟磁共振成像（CMR）已成為心臟病的重要診斷工具。然而，CMR 的局限性在于其成像速度慢，這會導致患者不適并在圖像中引入偽影。 人們對基于深度學習的 CMR 成像算法越來越感興趣，這些算法可以從高度欠采樣的 k 空間數(shù)據(jù)重建高質(zhì)量圖像。 然而，深度學習方法的開發(fā)需要大量的訓練數(shù)據(jù)集，而這些數(shù)據(jù)集尚未公開用于 CMR。 為了解決這一差距，我們發(fā)布了一個數(shù)據(jù)集，其中包括來自 300 名受試者的多對比度、多視圖、多切片和多線圈 CMR 成像數(shù)據(jù)。 成像研究包括心臟電影和繪圖序列。 數(shù)據(jù)集中還提供了所有受試者的心肌和心室的手動分割。 還提供了最先進的重建算法的腳本作為參考。 我們的目標是通過引入標準化評估標準并使研究界免費訪問數(shù)據(jù)集來促進最先進的 CMR 圖像重建的進步。

論文地址：https://arxiv.org/abs/2309.10836 代碼地址：https://github.com/CmrxRecon/CMRxRecon/

需要進論文創(chuàng)新點群的，關(guān)注我私信我，進論文創(chuàng)新點群?