编辑推荐：
目前缺乏全面标注且公开的 MRI 数据集用于了解舌解剖结构在健康和疾病中的情况。研究人员开展舌肌多站点多对比度 MRI 数据集构建研究，包含 47 名非疾病参与者数据，提供 5 块关键舌肌分割等。该数据集可助力相关研究，具重要意义。
舌头，这个看似平凡的器官，在人类的生命活动中扮演着举足轻重的角色。它不仅是味觉的感受器，更是参与进食、吞咽、呼吸和语言等多种重要生理功能的核心器官。然而，尽管舌头的功能如此关键，长期以来，科学界对于舌肌的结构与功能在健康和疾病状态下的变化却缺乏深入的了解，其中一个重要原因是缺乏全面、公开且标注详细的影像学数据集。现有研究表明，舌肌与神经退行性疾病（如肌萎缩侧索硬化症，ALS）、发育性语言障碍、睡眠障碍等多种疾病密切相关。例如，ALS 患者常出现舌肌 T1 加权高信号和体积减少的现象，但由于缺乏标准化的数据集，严重制约了对舌肌作为生物标志物的深入研究和相关诊断技术的开发。
为填补这一空白，澳大利亚昆士兰大学（The University of Queensland）等机构的研究人员开展了一项具有开创性的研究。他们构建了首个基于 MRI 的标注公开数据集，用于舌肌结构的研究。该研究成果发表在《Scientific Data》上，为舌肌相关研究提供了重要的基础资源。
研究人员主要采用了以下关键技术方法：首先，从三项研究（BeLong、EATT4MND 和 BMC）中收集了 47 名非神经退行性 “健康” 参与者的 MRI 数据，包括 T2 加权和 T1 加权图像。其次，运用半自动化分割流程对舌肌进行标注，结合主动学习、联合标签融合（JLF）和测试时自适应（TTA）等技术，对舌肌进行手动校正和自动分割模型训练。此外，还生成了模板空间和人口统计信息，以及通过联合标签融合技术创建了舌肌图谱，以提供更准确的舌肌位置和大小模型。
数据记录与技术验证
研究数据存储于开放科学框架（OSF），可通过特定链接访问。数据按研究分类组织，每个研究目录包含裁剪后的 T1w 或 T2w 图像、相应的分割标签、研究模板以及人口统计信息（包括年龄、体重、身高和性别）。通过估计信噪比（SNR）和对比噪声比（CNR）对解剖数据质量进行评估，结果显示不同数据集的 SNR 和 CNR 存在差异，但舌总体积和各肌肉体积分布一致，表明 T1w 和 T2w MR 对比度均足以进行舌肌分割。此外，聚合数据未观察到性别差异，肌肉体积之间的相关性分析显示，除颏舌肌与下纵肌和横 / 垂直肌的相关性较低外，其他肌肉体积通常具有良好的相关性。
数据的应用与意义
该数据集是首个公开可用的完全标注的基于 MRI 的舌分割成像数据，为舌肌分割的机器学习模型开发和优化提供了宝贵资源。这些模型可通过高速实时 MRI（如 CINE）增强对言语产生中舌运动的自动分析，有助于研究疾病进展的纵向研究，特别是在影响舌功能的疾病（如延髓型 ALS）中。由于舌头通常在标准的脑和头颈部 MRI 扫描中被捕获，此处提供的标注数据和图谱还可作为分析现有和未来 MRI 数据集的参考，拓宽了其在多个研究领域的应用。
综上所述，这项研究成果为科学界提供了研究舌肌及其在生理过程和言语产生中作用的手段，填补了领域内公开数据集的空白，有望推动舌肌相关疾病的诊断、治疗和发病机制研究的发展。其建立的标准化数据集和分析方法，为后续基于舌肌的生物标志物发现和干预措施开发奠定了坚实基础，在神经科学、医学影像学和临床研究等领域具有广泛而深远的意义。
