five

HNTS-MRG 2024|癌症放射治疗数据集|医学影像分析数据集

收藏
arXiv2024-11-28 更新2024-11-29 收录
癌症放射治疗
医学影像分析
下载链接:
https://grand-challenge.org
下载链接
链接失效反馈
资源简介:
HNTS-MRG 2024数据集由德克萨斯大学MD安德森癌症中心创建,专注于头颈部癌症的磁共振引导放射治疗应用。该数据集包含202例患者的T2加权MRI图像,分为预放射治疗(pre-RT)和中期放射治疗(mid-RT)两个时间点。数据集的创建过程包括图像采集、专家标注和使用STAPLE算法生成共识分割。该数据集旨在解决头颈部癌症放射治疗中手动肿瘤分割的挑战,推动人工智能在肿瘤自动分割领域的应用。
提供机构:
德克萨斯大学MD安德森癌症中心
创建时间:
2024-11-28
AI搜集汇总
数据集介绍
main_image_url
构建方式
HNTS-MRG 2024数据集的构建基于磁共振引导下的头颈部肿瘤分割应用需求。该数据集由德克萨斯大学MD安德森癌症中心放射肿瘤科收集,涵盖了202例头颈部鳞状细胞癌患者的T2加权磁共振图像。数据集包括了治疗前(pre-RT)和治疗中期(mid-RT)的扫描图像,以及相应的肿瘤和淋巴结的标注。标注过程由3至4名经验丰富的医生独立完成,并通过Simultaneous Truth and Performance Level Estimation (STAPLE)算法生成最终的共识标注。数据集的构建严格遵循了Biomedical Image Analysis Challenges (BIAS)的报告指南,确保了数据的质量和一致性。
使用方法
HNTS-MRG 2024数据集主要用于评估和开发头颈部肿瘤在磁共振引导下的自动分割算法。研究者可以使用该数据集进行模型的训练和验证,特别是针对治疗前和治疗中期的肿瘤和淋巴结分割任务。数据集的标注和注册信息为算法提供了丰富的输入特征,有助于提高分割的准确性和鲁棒性。此外,数据集的公开性和详细的使用指南,使得研究者能够在统一的框架下进行算法开发和性能比较,从而推动该领域的技术进步。
背景与挑战
背景概述
HNTS-MRG 2024数据集是由德克萨斯大学MD安德森癌症中心辐射肿瘤学系主导的一项研究成果,旨在解决磁共振引导放射治疗(MR-guided RT)中头颈部肿瘤(HNC)分割的挑战。该数据集创建于2024年,主要研究人员包括Kareem A. Wahid、Cem Dede等,他们致力于通过人工智能(AI)驱动的自动化技术来提升MR-guided RT中的肿瘤分割效率。这一研究背景源于MRI在软组织对比度和纵向成像能力方面的优势,但也面临着手动肿瘤分割的巨大挑战。HNTS-MRG 2024数据集的推出,旨在填补大型公开AI-ready适应性RT数据集的空白,推动AI技术在HNC治疗中的创新应用。
当前挑战
HNTS-MRG 2024数据集面临的挑战主要集中在两个方面。首先,构建过程中遇到的挑战包括缺乏大型公开的AI-ready适应性RT数据集,这限制了AI技术在HNC治疗中的应用和发展。其次,所解决的领域问题挑战在于如何利用多时间点数据来提升RT自动分割的性能,特别是在预RT(Task 1)和中RT(Task 2)T2加权扫描中的肿瘤分割。此外,手动肿瘤分割的时间限制和HNC肿瘤的复杂性也是该数据集需要克服的重要问题。通过这些挑战的解决,HNTS-MRG 2024数据集旨在推动MR-guided RT在头颈部癌症治疗中的临床应用。
常用场景
经典使用场景
HNTS-MRG 2024数据集在磁共振引导下的放射治疗应用中展现了其经典的使用场景。该数据集主要用于头颈部肿瘤的自动分割任务,特别是在放射治疗前(Task 1)和放射治疗中期(Task 2)的T2加权扫描图像中进行肿瘤体积(GTVp)和淋巴结转移体积(GTVn)的自动描绘。这一应用场景不仅解决了传统手动分割的时间和精度问题,还为人工智能驱动的自动化分割技术提供了宝贵的训练和验证资源。
解决学术问题
HNTS-MRG 2024数据集解决了在头颈部癌症放射治疗中缺乏大规模、公开可用的适应性放射治疗数据集的问题。通过提供150例训练数据和50例测试数据,该数据集促进了多时间点数据在放射治疗自动分割性能中的应用研究。这不仅推动了人工智能在医学图像分析中的发展,还为临床实践中MRI引导的放射治疗提供了技术支持,具有重要的学术研究意义和临床应用价值。
实际应用
在实际应用中,HNTS-MRG 2024数据集为放射治疗计划的自动化提供了关键支持。通过自动分割技术,医生可以更快速、准确地确定肿瘤和淋巴结的位置,从而优化放射治疗方案,减少治疗时间和副作用。此外,该数据集的应用还提高了放射治疗的自适应性,使得治疗过程更加个性化和精准,显著提升了患者的治疗效果和生活质量。
数据集最近研究
最新研究方向
在磁共振引导的放射治疗(MR-guided RT)领域,HNTS-MRG 2024数据集的最新研究方向主要集中在利用人工智能(AI)技术自动分割头颈部肿瘤。这一研究方向旨在解决手动肿瘤分割在时间上的不切实际性,并探索多时间点数据对放射治疗自动分割性能的潜在增强作用。通过提供大规模的公开数据集,研究者们致力于开发和验证AI算法,以实现对头颈部肿瘤的高精度自动分割,从而推动MR-guided RT在临床实践中的应用。
相关研究论文
  • 1
    Overview of the Head and Neck Tumor Segmentation for Magnetic Resonance Guided Applications (HNTS-MRG) 2024 Challenge德克萨斯大学MD安德森癌症中心 · 2024年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

TCIA

TCIA(The Cancer Imaging Archive)是一个公开的癌症影像数据集,包含多种癌症类型的医学影像数据,如CT、MRI、PET等。这些数据通常与临床和病理信息相结合,用于癌症研究和临床试验。

www.cancerimagingarchive.net 收录

UAV123

从低空无人机捕获的视频与流行的跟踪数据集 (如OTB50,OTB100,VOT2014,VOT2015,TC128和ALOV300) 中的视频本质上不同。因此,我们提出了一个新的数据集 (UAV123),其序列来自空中视点,其子集用于长期空中跟踪 (UAV20L)。我们新的UAV123数据集包含总共123个视频序列和超过110K帧,使其成为仅次于ALOV300的第二大对象跟踪数据集。所有序列都用直立的边界框完全注释。数据集可以很容易地与视觉跟踪器基准集成。它包括无人机数据集的所有边界框和属性注释。还请使用包含序列和跟踪器配置的修改后的文件 “configSeqs.m” 和 “configTrackers.m” 下载修改后的跟踪器基准。另外,请注意,文件 “perfPlot.m” 已根据本文中描述的属性进行了修改以进行评估。

OpenDataLab 收录

IndustryCorpus_agriculture

该数据集是通过应用22个行业数据处理操作符,从超过100TB的开放源数据集中筛选出的3.4TB高质量多行业分类的中英文预训练数据集。筛选后的数据包括1TB的中文数据和2.4TB的英文数据,并进行了12种类型的标签标注。数据集涵盖18个行业类别,包括医疗、教育、文学、金融等,并提供了各行业类别的数据大小。

huggingface 收录

UAV-CD

UAV-CD数据集包含2,660对768×768像素的无人机光学图像,空间分辨率为0.06米。数据集主要涉及建筑物的增加和拆除,并进一步通过增加土地变化来丰富样本的多样性。

github 收录

ReferCOCO数据集

ReferCOCO数据集包括refcoco、refcoco+和refcocog三个子集,用于视觉定位任务。数据集包含图像和对应的描述性文本,用于训练和测试模型识别图像中特定对象的能力。

github 收录