AAA-100：精选3D水密腹主动脉瘤模型数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.10932957

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 789.5 MB。

数据说明

腹主动脉瘤（AAA）是腹主动脉的局部扩张，超过30 mm，可能发生破裂，70-80%的病例会导致致命后果。个性化的AAA三维模型，包括髂动脉和肾动脉等周围血管系统，在AAA患者的定制化临床决策中发挥着重要作用。这些模型可用于AAA生长建模、血管内主动脉修复（EVAR）手术的支架移植物尺寸选择和定位，或用于手术练习的3D打印。从计算机断层扫描血管造影（CTA）等成像模态中提取高质量的三维动脉模型是一项耗时且具有挑战性的问题。对于计算流体动力学（CFD）或形状分析等下游应用，模型应具有亚体素精度、水密性，并符合拓扑约束。我们提出了AAA-100数据集，包含100个详细的三维AAA模型，这些模型具有一致的解剖边界，是从术前CTA扫描中半自动获取的。这些模型涵盖了广泛可能的AAA病理类型。此外，所有模型都经过精心整理，以确保解剖学和拓扑学上的正确性。

数据集的详细描述和文件结构见description.pdf。我们恳请您在研究中使用AAA-100数据集时引用以下工作：Alblas, D., Suk, J., Brune, C., Yeung, K. K., & Wolterink, J. M. (2025). SIRE: Scale-invariant, rotation-equivariant estimation of artery orientations using graph neural networks. Medical Image Analysis, 103467. Rygiel, P., Alblas, D., Brune, C., Yeung, K. K., & Wolterink, J. M. (2024). Global Control for Local SO (3)-Equivariant Scale-Invariant Vessel Segmentation. arXiv preprint arXiv:2403.15314.

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。