医学影像数据集如何破解颅内动脉瘤AI检测难题？RSNA-ICA多中心开放基准数据集解读
北美放射学会（RSNA）联合 ASNR、SNIS、ESNR 三大神经放射学会发布 RSNA-ICA 颅内动脉瘤数据集，汇聚 12 国 21 家机构的 7202 个 CTA/MRA/MRI 影像序列（4278 名成人患者），由专家标注动脉瘤有无与位置，5041 个序列在 MIRA 平台免费开放，为颅内动脉瘤 AI 检测与定位提供首个大规模多中心开放基准。
颅内动脉瘤素有"脑内不定时炸弹"之称——一旦破裂，致死率与致残率都极高。可它的检出偏偏又是临床难题：小动脉瘤、以及藏在常规非血管影像里的动脉瘤，至今仍极易被漏诊。 而要训练出能帮忙的 AI，又卡在一个老问题上——公开可用的高质量颅内动脉瘤医学影像数据集太少、规模太小、来源太单一。
研究背景：颅内动脉瘤为什么"难检测、更难喂数据"？
颅内动脉瘤（intracranial aneurysm）是脑血管壁的囊状膨出，普通人群中的未破裂动脉瘤检出率约 2%～3%，破裂后蛛网膜下腔出血的病死率可高达 30%～40%。早发现、早干预，是降低风险的关键。
但 AI 要帮上忙，首先得有好数据。长期以来这个方向的公开数据集存在两个明显短板：
- 规模小：早期公开数据集往往只有几十到几百例，覆盖病灶类型单一；
- 来源窄：多来自单中心、单一影像模态，跨机构、跨设备、跨地区的泛化能力无从验证。
这直接导致颅内动脉瘤检测模型"训练不出、也测不准"——数据集这个"地基"没打好，算法再花哨也难落地。
创新点：RSNA-ICA 如何补上这块数据缺口？
为破解上述困境，北美放射学会（RSNA）联合美国神经放射学会（ASNR）、神经介入外科学会（SNIS）与欧洲神经放射学会（ESNR），共同构建并发布了 RSNA-ICA（RSNA Intracranial Aneurysm）数据集，论文于 2026 年 10 月上线 arXiv（cs.CV）。
这套数据集是为 2025 RSNA 颅内动脉瘤检测挑战赛量身打造的，其价值可以用三个"首个"概括：
- 首个多中心、多洲际的颅内动脉瘤开放基准：数据横跨 12 个国家、21 家机构、5 大洲，地理与影像多样性远超以往；
- 首个三模态并行的神经血管数据集：同时纳入 CTA、MRA、MRI 三种序列，覆盖"血管造影"与"常规非血管影像"两类真实检出场景；
- 首个带专家标注位置与三维分割的公开资源：不仅标注"有无动脉瘤"，还标注位置，部分序列附三维分割。
数据集构建与标注：多中心医学影像标注数据如何质控？
医学影像标注数据的质量，决定了数据集的上限。RSNA-ICA 的构建遵循了挑战赛级的质控流程：
| 构建环节 | 关键做法 | 目的 |
|---|---|---|
| 数据采集 | 21 家机构、12 国，按统一协议收集 CTA/MRA/MRI | 提升地域与设备多样性 |
| 病例纳入 | 仅纳入成人、有或无囊状动脉瘤的患者 | 保证标签可定义、可复现 |
| 专家标注 | 神经放射专家标注动脉瘤有无 + 位置 | 支撑"检测 + 定位"双任务 |
| 三维分割 | 其中 178 个序列额外提供血管位置三维分割 | 支撑分割类算法研发 |
具体规模如下：
- 7202 个影像序列，来自 4278 名成人患者；
- 其中 CTA 2566 个、MRA 2166 个、MRI 2470 个；
- 既含动脉瘤阳性病例，也含阴性对照，避免模型"只见过病、没见过正常"。
标注策略上，团队把"检测"和"定位"拆成两层信息——检测负责回答"有没有"，定位负责回答"在哪"，这种结构化设计让数据集能同时服务目标检测与分割两类模型。
数据说话：规模与多样性带来的价值
这套数据集最直观的价值，是量级与广度的双重跃升：
- 患者规模从以往公开数据集的"几百例"跃升到 4278 例；
- 影像序列达到 7202 个，且三模态并行，这在神经血管方向是罕见的；
- 横跨 5 大洲 12 国 21 家机构，让模型第一次有了在跨机构、跨设备、跨地区条件下检验泛化能力的公共标尺。
在可用性上，7202 个序列中的 5041 个已通过 MIRA 平台（Medical Imaging Repository）向全球研究者免费开放，其余用于挑战赛的公开/私有测试集。数据对非商业研究用途免费，为学术界和工业界提供了一个长期可持续的评测与训练基础。
应用前景与局限
RSNA-ICA 的落地想象空间不小：
- 检测与定位一体化：一套标注同时支持"发现动脉瘤"与"框出位置"两个临床最急需的任务；
- 跨模态泛化：覆盖血管造影与常规非血管影像，贴近真实筛查场景，尤其是"小病灶、常规序列"这一最难啃的漏诊痛点；
- 可持续的公共评测：依托 RSNA 挑战赛的长期机制，让不同算法有了公平对比的公共标尺。
局限也要如实说明：
- 公开部分非全量：约 2161 个序列保留在挑战赛测试集，暂时无法获取；
- 标签粒度有限：主要标注有无与位置，未提供动脉瘤大小、形态、随访破裂结局等更细的临床标签；
- 偏重囊状动脉瘤：对梭形、夹层等少见类型覆盖有限。
结论
颅内动脉瘤 AI 长期"缺数据"的困局，本质是缺少一个够大、够多样、标注可靠的公共基准。RSNA-ICA 用 12 国 21 家机构、7202 个三模态影像序列、专家级位置标注补上了这块短板，并借助挑战赛机制让它成为可持续的评测标尺。
它的启示也值得从业者记住：一份好的医学影像数据集，价值不在"数量好看"，而在多中心、多模态、标注结构化与开放可持续四件事是否同时做到。 当公共基准足够扎实，颅内动脉瘤这类"高危却易漏"的疾病，才有机会被 AI 真正守住第一道防线。
相关问题
RSNA-ICA 颅内动脉瘤医学影像数据集在哪里可以下载？
数据集通过北美放射学会的 MIRA 平台（Medical Imaging Repository）开放，地址为 https://mira.rsna.org/dataset/7。共 5041 个影像序列对研究社区免费开放（非商业用途），需注册账号后按平台要求申请获取；其余序列保留为挑战赛测试集，暂不公开。
颅内动脉瘤 AI 检测为什么这么难？
难点主要在两点：一是小动脉瘤体积小、信号弱，在常规非血管影像上极易被漏诊；二是公开可用的高质量标注数据长期稀缺、来源单一，导致模型难以训练、也难以验证跨机构泛化能力。RSNA-ICA 正是为同时缓解这两个难点而构建。
这类多中心医学影像标注数据是怎么做的？
RSNA-ICA 由 RSNA 联合三大神经放射学会组织，21 家机构按统一协议采集数据，由神经放射专家对每个序列标注"动脉瘤有无 + 位置"，部分序列（178 个）额外提供血管位置三维分割，形成可支撑检测与分割双任务的标准化标注。
| 论文标题 | The RSNA Intracranial Aneurysm (RSNA-ICA) Dataset（RSNA 颅内动脉瘤数据集） |
| 作者 | Maria Correia de Verdier、Rachit Saluja、Jason Sho、Evan Calabrese、Jeffrey D. Rudie 等 40 位作者，及 Data Contributor Group、Dataset Annotator Group |
| 机构 | 北美放射学会（RSNA）联合美国神经放射学会（ASNR）、神经介入外科学会（SNIS）、欧洲神经放射学会（ESNR）；加州大学旧金山分校、斯坦福大学等 21 家机构 |
| 期刊 | arXiv 预印本（Computer Vision and Pattern Recognition，cs.CV） |
| 发表时间 | 2026-10-01（v1）/ 2026-10-02（v2） |
| DOI | 10.48550/arXiv.2610.01135 |
| 数据获取 | MIRA 平台 https://mira.rsna.org/dataset/7（5041 序列，非商业用途免费） |
论文原文信息地址：https://www.simodata.cn/blog/2026-10-07-rsna-ica-intracranial-aneurysm/
参考文献
- de Verdier MC, Saluja R, Sho J, Calabrese E, Rudie JD, et al. The RSNA Intracranial Aneurysm (RSNA-ICA) Dataset. arXiv, 2026, arXiv:2610.01135. DOI: 10.48550/arXiv.2610.01135
- Vlak MHM, Algra A, Brandenburg R, Rinkel GJE. Prevalence of unruptured intracranial aneurysms, with emphasis on sex, age, comorbidity, country, and time period: a systematic review and meta-analysis. The Lancet Neurology, 2011, 10(7): 626–636. DOI: 10.1016/S1474-4422(11)70109-0