CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI

心脏磁共振成像（MRI）已成为临床诊断心脏疾病的黄金标准技术，因为它能够提供多种模态和解剖视图的多样信息。加速心脏MRI非常有望实现高效和患者友好的成像，因此需要先进的图像重建方法，从少采样的测量中恢复高质量、临床可解释的图像。然而，公开可用的心脏MRI k空间数据集在数量和多样性方面的缺乏，严重阻碍了技术进展，特别是对于数据驱动的人工智能。在这里，我们提供了一个标准化、多样化、高质量的CMRxRecon2024数据集，以促进心脏MRI重建方法的技术开发、公平评估和临床转化，以推动通用框架在临床实践中实现快速和稳健的重建。据我们所知，CMRxRecon2024数据集是目前公开可用的最大、最多样化的心脏k空间数据集。它由330名健康志愿者采集，涵盖了临床心脏MRI工作流程中常用的模态、解剖视图和采集轨迹。此外，我们提供了一个开放平台，包括教程、基准测试和数据处理工具，以促进数据使用、先进方法开发和公平性能评估。

提供一个标准化、多样化、高质量的CMRxRecon2024数据集，以促进心脏MRI重建方法的技术发展、公平评估和临床转化。

提供一个公开的、包含多种模态、解剖视图和采集轨迹的心脏MRI k-space数据集，以促进数据驱动的人工智能技术的发展。

该数据集是目前公开的最大和最多样化的心脏k-space数据集，包括330名健康志愿者，提供开放平台以促进数据使用、高级方法开发和公平性能评估。

最近的相关研究包括：1. 'Cardiac MRI reconstruction using deep learning: a systematic review'；2. 'Accelerated cardiac MRI using deep learning reconstruction with interleaved calibration'；3. 'Deep learning in cardiovascular medicine: a review'.