随着全球脑血管疾病发病率逐年攀升，以及阿尔茨海默病等神经退行性疾病早诊需求的持续增长，神经影像研究与相关医疗AI算法开发对标准化、多中心、标注精度高的脑动脉数据集的需求日益迫切。过往公开的Willis环（脑底动脉环，CoW）相关数据集普遍存在样本量小、来源中心单一、小血管标注缺失等问题，严重制约了相关研究成果的泛化性与临床落地适配性。
针对这一行业痛点，中国科学院团队近日发布全新多中心标注的CoW数据集，这也是全球首个大规模多中心标注的CoW血管分割专用数据集，该成果于2026年4月30日首发于预印本平台arXiv。据介绍，该数据集整合了来自ADAM、BraVa等14个公开数据源的1341例时间飞跃法磁共振血管造影（TOF-MRA）影像，覆盖不同厂商型号的扫描设备与多元人群特征，从数据源层面解决了单中心数据的适用局限性问题。所有数据均经过标准化预处理，包含20类CoW动脉结构的精细标注，特别针对后交通动脉等过往标注难度大的小血管补充了半径信息标注，同时通过模板配准和ROI裁剪实现了跨中心数据的空间对齐，为血管拓扑连续性研究和多类分割算法开发提供了统一的基准测试底版。
作为神经影像领域的核心基础数据集，该成果可广泛应用于多个研究与产业场景：在医疗AI研发侧，可作为脑血管影像分割算法的训练与测试基准，有效提升算法对不同设备、不同人群影像的识别精度与泛化能力，降低临床落地的适配成本；在临床研究侧，可支撑脑梗死、颅内动脉瘤、脑血管畸形等疾病的辅助诊断模型开发，以及Willis环结构变异与卒中发病风险的关联性研究，助力脑血管疾病的早筛早诊体系建设；在基础研究领域，其独有的小血管半径标注，为阿尔茨海默病等神经退行性疾病的血管源性生物标志物发掘、脑血流动力学模拟、血管老化机制研究提供了标准化的数据支撑。
当前，医疗数据要素的标准化建设是推动数字医疗高质量发展的核心底座，该数据集的发布不仅填补了全球大规模多中心标注CoW数据集的空白，也为后续医学影像数据集的跨源整合、标准化标注流程搭建提供了可参考的范本，对加快神经影像研究成果转化、推动脑血管疾病防控体系数字化升级具有重要意义。
详情页内容：
_1769672084863.jpg)