TY  - JOUR
AU  - Li, Jianning
AU  - Zhou, Zongwei
AU  - Yang, Jiancheng
AU  - Pepe, Antonio
AU  - Gsaxner, Christina
AU  - Luijten, Gijs
AU  - Qu, Chongyu
AU  - Zhang, Tiezheng
AU  - Chen, Xiaoxi
AU  - Li, Wenxuan
AU  - Wodzinski, Marek
AU  - Friedrich, Paul
AU  - Xie, Kangxian
AU  - Jin, Yuan
AU  - Ambigapathy, Narmada
AU  - Nasca, Enrico
AU  - Solak, Naida
AU  - Melito, Gian Marco
AU  - Vu, Viet Duc
AU  - Memon, Afaque R
AU  - Schlachta, Christopher
AU  - De Ribaupierre, Sandrine
AU  - Patel, Rajnikant
AU  - Eagleson, Roy
AU  - Chen, Xiaojun
AU  - Mächler, Heinrich
AU  - Kirschke, Jan Stefan
AU  - de la Rosa, Ezequiel
AU  - Christ, Patrick Ferdinand
AU  - Li, Hongwei Bran
AU  - Ellis, David G
AU  - Aizenberg, Michele R
AU  - Gatidis, Sergios
AU  - Küstner, Thomas
AU  - Shusharina, Nadya
AU  - Heller, Nicholas
AU  - Andrearczyk, Vincent
AU  - Depeursinge, Adrien
AU  - Hatt, Mathieu
AU  - Sekuboyina, Anjany
AU  - Löffler, Maximilian T
AU  - Liebl, Hans
AU  - Dorent, Reuben
AU  - Vercauteren, Tom
AU  - Shapey, Jonathan
AU  - Kujawa, Aaron
AU  - Cornelissen, Stefan
AU  - Langenhuizen, Patrick
AU  - Ben-Hamadou, Achraf
AU  - Rekik, Ahmed
AU  - Pujades, Sergi
AU  - Boyer, Edmond
AU  - Bolelli, Federico
AU  - Grana, Costantino
AU  - Lumetti, Luca
AU  - Salehi, Hamidreza
AU  - Ma, Jun
AU  - Zhang, Yao
AU  - Gharleghi, Ramtin
AU  - Beier, Susann
AU  - Sowmya, Arcot
AU  - Garza-Villarreal, Eduardo A
AU  - Balducci, Thania
AU  - Angeles-Valdez, Diego
AU  - Souza, Roberto
AU  - Rittner, Leticia
AU  - Frayne, Richard
AU  - Ji, Yuanfeng
AU  - Ferrari, Vincenzo
AU  - Chatterjee, Soumick
AU  - Dubost, Florian
AU  - Schreiber, Stefanie
AU  - Mattern, Hendrik
AU  - Speck, Oliver
AU  - Haehn, Daniel
AU  - John, Christoph
AU  - Nürnberger, Andreas
AU  - Pedrosa, João
AU  - Ferreira, Carlos
AU  - Aresta, Guilherme
AU  - Cunha, António
AU  - Campilho, Aurélio
AU  - Suter, Yannick
AU  - Garcia, Jose
AU  - Lalande, Alain
AU  - Vandenbossche, Vicky
AU  - Van Oevelen, Aline
AU  - Duquesne, Kate
AU  - Mekhzoum, Hamza
AU  - Vandemeulebroucke, Jef
AU  - Audenaert, Emmanuel
AU  - Krebs, Claudia
AU  - van Leeuwen, Timo
AU  - Vereecke, Evie
AU  - Heidemeyer, Hauke
AU  - Röhrig, Rainer
AU  - Hölzle, Frank
AU  - Badeli, Vahid
AU  - Krieger, Kathrin
AU  - Gunzer, Matthias
AU  - Chen, Jianxu
AU  - van Meegdenburg, Timo
AU  - Dada, Amin
AU  - Balzer, Miriam
AU  - Fragemann, Jana
AU  - Jonske, Frederic
AU  - Rempe, Moritz
AU  - Malorodov, Stanislav
AU  - Bahnsen, Fin H
AU  - Seibold, Constantin
AU  - Jaus, Alexander
AU  - Marinov, Zdravko
AU  - Jaeger, Paul F
AU  - Stiefelhagen, Rainer
AU  - Santos, Ana Sofia
AU  - Lindo, Mariana
AU  - Ferreira, André
AU  - Alves, Victor
AU  - Kamp, Michael
AU  - Abourayya, Amr
AU  - Nensa, Felix
AU  - Hörst, Fabian
AU  - Brehmer, Alexander
AU  - Heine, Lukas
AU  - Hanusrichter, Yannik
AU  - Weßling, Martin
AU  - Dudda, Marcel
AU  - Podleska, Lars E
AU  - Fink, Matthias A
AU  - Keyl, Julius
AU  - Tserpes, Konstantinos
AU  - Kim, Moon-Sung
AU  - Elhabian, Shireen
AU  - Lamecker, Hans
AU  - Zukić, Dženan
AU  - Paniagua, Beatriz
AU  - Wachinger, Christian
AU  - Urschler, Martin
AU  - Duong, Luc
AU  - Wasserthal, Jakob
AU  - Hoyer, Peter F
AU  - Basu, Oliver
AU  - Maal, Thomas
AU  - Witjes, Max J H
AU  - Schiele, Gregor
AU  - Chang, Ti-Chiun
AU  - Ahmadi, Seyed-Ahmad
AU  - Luo, Ping
AU  - Menze, Bjoern
AU  - Reyes, Mauricio
AU  - Deserno, Thomas M
AU  - Davatzikos, Christos
AU  - Puladi, Behrus
AU  - Fua, Pascal
AU  - Yuille, Alan L
AU  - Kleesiek, Jens
AU  - Egger, Jan
TI  - MedShapeNet - a large-scale dataset of 3D medical shapes for computer vision.
JO  - Biomedical engineering
VL  - 70
IS  - 1
SN  - 0013-5585
CY  - Berlin [u.a.]
PB  - de Gruyter
M1  - DZNE-2025-00291
SP  - 71 - 90
PY  - 2025
AB  - The shape is commonly used to describe the objects. State-of-the-art algorithms in medical imaging are predominantly diverging from computer vision, where voxel grids, meshes, point clouds, and implicit surface models are used. This is seen from the growing popularity of ShapeNet (51,300 models) and Princeton ModelNet (127,915 models). However, a large collection of anatomical shapes (e.g., bones, organs, vessels) and 3D models of surgical instruments is missing.We present MedShapeNet to translate data-driven vision algorithms to medical applications and to adapt state-of-the-art vision algorithms to medical problems. As a unique feature, we directly model the majority of shapes on the imaging data of real patients. We present use cases in classifying brain tumors, skull reconstructions, multi-class anatomy completion, education, and 3D printing.By now, MedShapeNet includes 23 datasets with more than 100,000 shapes that are paired with annotations (ground truth). Our data is freely accessible via a web interface and a Python application programming interface and can be used for discriminative, reconstructive, and variational benchmarks as well as various applications in virtual, augmented, or mixed reality, and 3D printing.MedShapeNet contains medical shapes from anatomy and surgical instruments and will continue to collect data for benchmarks and applications. The project page is: https://medshapenet.ikim.nrw/.
KW  - Humans
KW  - Algorithms
KW  - Imaging, Three-Dimensional: methods
KW  - Brain Neoplasms: diagnostic imaging
KW  - Printing, Three-Dimensional
KW  - 3D medical shapes (Other)
KW  - anatomy education (Other)
KW  - augmented reality (Other)
KW  - benchmark (Other)
KW  - shapeomics (Other)
KW  - virtual reality (Other)
LB  - PUB:(DE-HGF)16
C6  - pmid:39733351
DO  - DOI:10.1515/bmt-2024-0396
UR  - https://pub.dzne.de/record/276343
ER  -