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？
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
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
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
- 1Overview 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
数据主题
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
Yahoo Finance
Dataset About finance related to stock market
kaggle 收录
Materials Project 在线材料数据库
Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算，为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果，以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性，还涵盖了电子结构和热力学性质等详尽信息，为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。
超神经 收录
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录