《Scientific Data》：An Annotated Multi-Site and Multi-Contrast Magnetic Resonance Imaging Dataset for the study of the Human Tongue Musculature
編輯推薦：
目前缺乏全面標注且公開的 MRI 數據集用于了解舌解剖結構在健康和疾病中的情況。研究人員開展舌肌多站點多對比度 MRI 數據集構建研究，包含 47 名非疾病參與者數據，提供 5 塊關鍵舌肌分割等。該數據集可助力相關研究，具重要意義。
舌頭，這個看似平凡的器官，在人類的生命活動中扮演著舉足輕重的角色。它不僅是味覺的感受器，更是參與進食、吞咽、呼吸和語言等多種重要生理功能的核心器官。然而，盡管舌頭的功能如此關鍵，長期以來，科學界對于舌肌的結構與功能在健康和疾病狀態下的變化卻缺乏深入的了解，其中一個重要原因是缺乏全面、公開且標注詳細的影像學數據集�，F有研究表明，舌肌與神經退行性疾�。ㄈ缂∥s側索硬化癥，ALS）、發育性語言障礙、睡眠障礙等多種疾病密切相關。例如，ALS 患者常出現舌肌 T1 加權高信號和體積減少的現象，但由于缺乏標準化的數據集，嚴重制約了對舌肌作為生物標志物的深入研究和相關診斷技術的開發。
為填補這一空白，澳大利亞昆士蘭大學（The University of Queensland）等機構的研究人員開展了一項具有開創性的研究。他們構建了首個基于 MRI 的標注公開數據集，用于舌肌結構的研究。該研究成果發表在《Scientific Data》上，為舌肌相關研究提供了重要的基礎資源。
研究人員主要采用了以下關鍵技術方法：首先，從三項研究（BeLong、EATT4MND 和 BMC）中收集了 47 名非神經退行性 “健康” 參與者的 MRI 數據，包括 T2 加權和 T1 加權圖像。其次，運用半自動化分割流程對舌肌進行標注，結合主動學習、聯合標簽融合（JLF）和測試時自適應（TTA）等技術，對舌肌進行手動校正和自動分割模型訓練。此外，還生成了模板空間和人口統計信息，以及通過聯合標簽融合技術創建了舌肌圖譜，以提供更準確的舌肌位置和大小模型。
數據記錄與技術驗證
研究數據存儲于開放科學框架（OSF），可通過特定鏈接訪問。數據按研究分類組織，每個研究目錄包含裁剪后的 T1w 或 T2w 圖像、相應的分割標簽、研究模板以及人口統計信息（包括年齡、體重、身高和性別）。通過估計信噪比（SNR）和對比噪聲比（CNR）對解剖數據質量進行評估，結果顯示不同數據集的 SNR 和 CNR 存在差異，但舌總體積和各肌肉體積分布一致，表明 T1w 和 T2w MR 對比度均足以進行舌肌分割。此外，聚合數據未觀察到性別差異，肌肉體積之間的相關性分析顯示，除頦舌肌與下縱肌和橫 / 垂直肌的相關性較低外，其他肌肉體積通常具有良好的相關性。
數據的應用與意義
該數據集是首個公開可用的完全標注的基于 MRI 的舌分割成像數據，為舌肌分割的機器學習模型開發和優化提供了寶貴資源。這些模型可通過高速實時 MRI（如 CINE）增強對言語產生中舌運動的自動分析，有助于研究疾病進展的縱向研究，特別是在影響舌功能的疾�。ㄈ缪铀栊� ALS）中。由于舌頭通常在標準的腦和頭頸部 MRI 掃描中被捕獲，此處提供的標注數據和圖譜還可作為分析現有和未來 MRI 數據集的參考，拓寬了其在多個研究領域的應用。
綜上所述，這項研究成果為科學界提供了研究舌肌及其在生理過程和言語產生中作用的手段，填補了領域內公開數據集的空白，有望推動舌肌相關疾病的診斷、治療和發病機制研究的發展。其建立的標準化數據集和分析方法，為后續基于舌肌的生物標志物發現和干預措施開發奠定了堅實基礎，在神經科學、醫學影像學和臨床研究等領域具有廣泛而深遠的意義。
