HNTS-MRG 2024|癌症放射治疗数据集|医学影像分析数据集

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

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

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 4099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

中国近海台风路径集合数据集(1945-2024)

1945-2024年度，中国近海台风路径数据集，包含每个台风的真实路径信息、台风强度、气压、中心风速、移动速度、移动方向。数据源为获取温州台风网(http://www.wztf121.com/)的真实观测路径数据，经过处理整合后形成文件，如使用csv文件需使用文本编辑器打开浏览，否则会出现乱码，如要使用excel查看数据，请使用xlsx的格式。

国家海洋科学数据中心收录

emotions-dataset

情绪数据集是一个精心策划的文本数据集，包含131,306个文本条目，标注了13种不同的情绪，如快乐、悲伤、中性、愤怒等。该数据集旨在提升情感分类、情感分析和自然语言处理的能力，适用于构建富有同情心的聊天机器人、心理健康工具、社交媒体分析器等。数据集文件大小为7.41MB，便于在边缘设备和大型项目中使用。

huggingface 收录

UIEB, U45, LSUI

本仓库提供了水下图像增强方法和数据集的实现，包括UIEB、U45和LSUI等数据集，用于支持水下图像增强的研究和开发。

github 收录

中国逐日格点降水数据集V2（1960–2024，0.1°）

CHM_PRE V2数据集是一套高精度的中国大陆逐日格点降水数据集。该数据集基于1960年至今共3476个观测站的长期日降水观测数据，并纳入11个降水相关变量，用于表征降水的相关性。数据集采用改进的反距离加权方法，并结合基于机器学习的LGBM算法构建。CHM_PRE V2与现有的格点降水数据集（包括CHM_PRE V1、GSMaP、IMERG、PERSIANN-CDR和GLDAS）表现出良好的时空一致性。数据集基于63,397个高密度自动雨量站2015–2019年的观测数据进行验证，发现该数据集显著提高了降水测量精度，降低了降水事件的高估，为水文建模和气候评估提供了可靠的基础。CHM_PRE V2 数据集提供分辨率为0.1°的逐日降水数据，覆盖整个中国大陆（18°N–54°N，72°E–136°E）。该数据集涵盖1960–2024年，并将每年持续更新。日值数据以NetCDF格式提供，为了方便用户，我们还提供NetCDF和GeoTIFF格式的年度和月度总降水数据。

国家青藏高原科学数据中心收录

Global Firepower Index (GFI)

Global Firepower Index (GFI) 是一个评估全球各国军事力量的综合指数。该指数考虑了超过50个因素，包括军事预算、人口、陆地面积、海军力量、空军力量、自然资源、后勤能力、地理位置等。数据集提供了每个国家的详细评分和排名，帮助分析和比较各国的军事实力。