fastMRI介绍

最近在做关于磁共振图像的项目,发现一个价值很大的数据集-fastMRI,这个数据集的特点在于提供了k-space数据。

一、fastMRI项目基本介绍

FastMRI是Facebook AI Research (FAIR) 和 NYU Langone Health 之间的合作研究项目。目的是研究使用 AI 使 MRI 扫描速度提高 10 倍。

通过从采样不足的数据中生成准确的图像,AI 图像重建有可能改善患者的体验并使更多人可以使用 MRI。

二、fastMRI数据集介绍

fastMRI数据集包括两种类型的MRI:膝盖磁共振图像(knee MRIs)和脑部磁共振图像(brain MRIs)。数据集包括训练数据、验证数据以及masked测试数据集。

2.1 多线圈轨道类型:

1.  {knee,brain}_multicoil_train.tar.gz:多线圈轨道类型的训练数据集,数据保存成HDF5类型,包括:

    - Kspace:多线圈轨道类型的kspace数据,kspace张量的尺寸为(number of slices, number ofcoils, height, width).

    - reconstruction_rss:多线圈kspace数据重建的平方根reconstruction_rss尺寸为(number of slices,r_height, r_width)。对于knee数据,图像高度和宽度都被裁剪成320*320.

2.   {knee,brain}_multicoil_val.tar.gz:对于多线圈轨道类型的验证数据集,可以使用该数据集来选择模型的超参数或者对训练数据进行增广。HDF5文件和{knee,brain}_multicoil_train.tar.gz相同;

3.  {knee,brain}_multicoil_test.tar.gz:对于多线圈轨道数据第一阶段的测试数据集,HDF5文件包括以下两种tensor

   - Kspace:下采样的多线圈类型的Kspace数据,kspace张量的尺寸为(number of slices, number ofcoils, height, width).

   - Mask:对于kspace数据进行欠采样的笛卡尔数据,mask张量元素个数与kspace的宽度相同。

4. knee_multicoil_challenge.tar.gz:对于多线圈类型挑战的测试数据集。HDF5文件与multicoil_test.tar.gz相同。

2.2 单线圈轨道类型(仅针对knee数据):

1.  knee_singlecoil_train.tar.gz: 单线圈轨道类型的训练数据集,数据保存成HDF5类型,包括:

    - Kspace模拟单线圈的kspace数据,kspace张量的尺寸为(number of slices, height,width).

    - reconstruction_rss:单线圈kspace的重建平方和,被裁剪到中心320*320区域来模拟单线圈kspace,重建张量的尺寸为(number of slices, 320, 320)。

    - reconstruction_esc: 裁剪到中心 320x320 区域的单线圈 k 空间数据的逆傅立叶变换。 重建张量的形状是 (number of slices, 320, 320)。

2.   knee_singlecoil_val.tar.gz: 单线圈轨道类型的验证数据集,可以使用该数据集来选择模型的超参数或者对训练数据进行增广。HDF5文件和knee_singlecoil_train.tar.gz相同;

3.  knee_singlecoil_test.tar.gz: 单线圈轨道类型的测试数据集,HDF5文件包括以下两种tensor

    - Kspace:下采样的单线圈类型的Kspace数据,kspace张量的尺寸为(number of slices, height,width).

    - Mask:对于kspace数据进行欠采样的笛卡尔数据,mask张量元素个数与kspace的宽度相同。

4. knee_singlecoil_challenge.tar.gz: 单线圈类型挑战的测试数据集。HDF5文件与singlecoil_test.tar.gz相同。

以上内容来自于原网站fastmri

三、数据展示

3.1 knee_singlecoil_challenge数据

加载所需要的包

展示数据信息

1)查看k-space数据

k-space数据展示出来中间有个亮点,其他部分都是黑色的。

这是下采样后的MRI图像

2)查看mask数据

mask数据是二值数据,只有0或1

3)查看mask与k-space之间的关系

我一开始不知道k-space数据是采样后的数据还是全数据,所以将一个k-space进行mask操作,然后和原图像对比,发现经过mask操作后的数据和原数据相同,则表明数据中的k-space数据就是采样后的数据。

以上部分代码来自于博客https://www.cxyzjd.com/article/xuru_0927/114780311

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,793评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,567评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,342评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,825评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,814评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,680评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,033评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,687评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,175评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,668评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,775评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,419评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,020评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,206评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,092评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,510评论 2 343

推荐阅读更多精彩内容