数据集概述
该数据集用于研究胎儿脑MR图像分割Transformer模型性能优化，包含一百七十二名受试者的五百一十九次胎儿静息态功能磁共振扫描图像及对应脑分割标注，标注通过RS-FetMRI工具包生成。数据集按训练集和测试集划分，可用于训练测试深度学习模型，还提供Swin-UNETR最佳模型预训练权重。
文件详解
- 主目录: Deep Learning (DL) RF-2016-02364081 dataset for the study titled ‘Optimizing performance of transformer-based models for fetal brain MR image segmentation’/RF-2016-02364081 Deep Learning (DL) dataset/
- 训练图像文件（images1Tr/目录）: 包含训练用胎儿脑MR图像，格式为.nii，文件名示例img_RF080_312_28_.nii，文件名最后两位数字表示扫描孕周
- 测试图像文件（imagesTest/目录）: 包含测试用胎儿脑MR图像，格式为.nii，文件名示例img_RF164_353_29_.nii
- 训练标注文件（labels1Tr/目录）: 包含训练图像对应脑分割标注，格式为.nii，文件名示例label_RF006P_012_31_.nii
- 测试标注文件（labelsTest/目录）: 包含测试图像对应脑分割标注，格式为.nii，文件名示例label_RF164_354_29_.nii
- 预训练权重文件（Pretrain_SWIN/目录）: best_metric_model.pth，格式为.pth，为Swin-UNETR最佳模型预训练权重
适用场景
- 医学影像分割研究: 用于训练和测试胎儿脑MR图像分割深度学习模型
- 模型性能优化分析: 对比Transformer类模型与传统CNN、GAN等模型在胎儿脑分割任务中的表现
- 医学影像技术应用: 探索深度学习在胎儿脑部发育评估中的应用价值
- 预训练模型迁移研究: 基于提供的预训练权重进行模型微调或迁移学习实验
