摘要：ARCADE数据集（Automatic Region-based Coronary Artery Disease Diagnostics using X-ray Angiography）是用于冠状动脉疾病（CAD）诊断的大规模专家标注资源，包含3,000帧匿名化X射线冠状动脉造影（XCA）图像，来自哈萨克斯坦阿拉木图心脏病学和内科疾病研究所的真实患者（年龄19-90岁）。
数据集概述
ARCADE数据集（Automatic Region-based Coronary Artery Disease Diagnostics using X-ray Angiography）是用于冠状动脉疾病（CAD）诊断的大规模专家标注资源，包含3,000帧匿名化X射线冠状动脉造影（XCA）图像，来自哈萨克斯坦阿拉木图心脏病学和内科疾病研究所的真实患者（年龄19-90岁）。数据集支持两个核心任务：血管分割和分类（1,500张，基于SYNTAX评分方法）、狭窄检测（1,500张，标注动脉粥样硬化斑块）。图像使用Philips Azurion 3和Siemens Artis Zee血管造影机采集，分辨率512×512像素，标注由经验丰富的心脏病学家使用CVAT工具创建并交叉验证。数据集作为MICCAI 2023 ARCADE挑战赛发布，遵循CC BY 4.0协议，为冠心病AI诊断模型开发和基准测试提供高质量数据资源。
数据结构与关键特征
数据集包含3,000帧XCA图像，分为两个任务子集（各1,500张）。血管分割任务标注冠状动脉树的完整血管结构（左主干、左前降支、左回旋支、右冠状动脉及其分支），采用SYNTAX评分方法进行血管分段分类，评估病变复杂度和治疗风险。狭窄检测任务标注动脉粥样硬化斑块位置和狭窄程度（轻度<50%、中度50-70%、重度>70%），提供像素级分割掩码或边界框标注。图像为单帧造影图像（非序列），512×512像素灰度格式，涵盖不同投照角度（RAO、LAO、Cranial、Caudal）和对比剂充盈阶段。数据来自两种主流血管造影设备，反映真实临床场景的设备差异和图像质量变化。
应用价值与研究方向
该数据集为冠心病精准诊断和介入治疗规划提供AI技术基础，可应用于冠状动脉自动分割、狭窄程度量化、SYNTAX评分自动计算和介入手术导航。技术层面支持深度学习分割模型训练（U-Net、Attention U-Net）、目标检测算法开发（狭窄病灶定位）和多任务学习（同时分割血管和检测狭窄）。研究方向包括：细血管分支精确分割、钙化斑块与软斑块分类、狭窄程度定量评估（替代目视估计）、跨设备域适应研究（Philips vs Siemens）、时序分析整合多角度投照信息、可解释性AI生成诊断依据可视化、以及结合FFR（血流储备分数）的功能性缺血评估，为心血管疾病筛查、介入治疗决策和预后评估提供AI辅助工具，推动定量冠脉分析（QCA）自动化和介入心脏病学智能化发展。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-297
文件大小：430M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)