PortPy-Project/PortPy_Dataset

PortPy数据集是一个用于辐射治疗计划优化的基准患者数据集，包含了来自FDA批准的Eclipse商业治疗计划系统的所有必要元素，用于优化不同的机器配置，如射线角度、光阑形状和叶片运动。该数据集适用于研究和教育目的。

PortPy is a benchmark patient dataset for radiation therapy planning and optimization, containing all necessary elements from the FDA-approved Eclipse commercial treatment planning system to optimize various machine configurations such as beam angles, aperture shapes, and leaf movements. This dataset is suitable for research and educational purposes.

搜集汇总

数据集介绍

构建方式

PortPy_Dataset的构建源于放疗计划优化领域的迫切需求，旨在为研究者提供一个标准化、可复现的基准数据集。该数据集依托经美国FDA批准的Eclipse商业治疗计划系统，通过其应用程序编程接口（API）从公开的NSCLC-Radiomics数据集（源自TCIA）中提取原始影像数据。随后，由资深临床医学物理专家精心添加射束配置、生成剂量影响矩阵（即dij矩阵），并利用内部自动化治疗计划系统ECHO创建基准调强放疗（IMRT）计划。所有数据均以轻量级JSON文件存储元数据，而大规模数组如剂量影响矩阵则采用高效的HDF5格式存储，形成了层次分明、易于访问的数据结构。

特点

该数据集的核心特色在于其全面性与专业性。它囊括了放疗优化所需的所有关键要素，包括每个子野对每个体素的剂量贡献矩阵、子野与体素的详细几何信息、专家精选的基准射束、以及基于临床标准的基准IMRT计划与评估准则。尤为突出的是，数据采用JSON与HDF5双格式存储，兼顾了元数据的人类可读性与大规模矩阵的高效压缩与存取能力。此外，数据集与TCIA影像档案库保持关联，用户可便捷获取原始CT图像，实现了剂量计算与影像数据的完整闭环。

使用方法

研究者可通过PortPy库中的DataExplorer类便捷地探索与下载该数据集。首先安装PortPy，随后实例化DataExplorer对象并指定HuggingFace仓库标识与本地下载路径。通过调用display_list_of_patients方法可概览所有可用病例，选定目标患者ID后，利用filter_and_download_hf_dataset方法即可下载对应数据。下载完成后，display_patient_metadata方法能展示患者元数据，为后续的射束角度优化、孔径形状设计及叶片运动规划等研究任务奠定坚实的数据基础。

背景与挑战

背景概述

放射治疗计划优化是肿瘤精准放疗的核心环节，其目标在于通过调整射束角度、孔径形状及多叶光栅运动等机器参数，在肿瘤靶区剂量最大化与危及器官保护之间寻求最佳平衡。PortPy数据集由纪念斯隆凯特琳癌症中心（MSKCC）的Masoud Zarepisheh团队于近年创建，依托FDA批准的商业化Eclipse治疗计划系统API，从公开的NSCLC-Radiomics（TCIA）肺癌影像数据中提取并重构了完整的放疗计划优化要素。该数据集的核心贡献在于提供了剂量影响矩阵、射束元与体素几何信息、专家选定的基准射束以及基于内部自动化系统ECHO生成的调强放疗（IMRT）基准计划，为放疗计划算法的开发与比较建立了标准化基准。其影响力已辐射至医学物理与优化算法交叉领域，推动了从传统经验式计划向数据驱动优化范式的转变。

当前挑战

PortPy数据集所面临的挑战可从两个维度审视。在领域问题层面，放疗计划优化本质上是高维、多约束的逆问题，剂量影响矩阵的稀疏性与病患解剖结构的个体差异导致算法泛化困难，而临床评价标准（如平均剂量、剂量体积直方图准则）的非凸性进一步加剧了优化复杂度。在数据集构建过程中，核心挑战包括：从Eclipse系统提取剂量影响矩阵需依赖专有API接口，数据格式转换与标准化（JSON与HDF5混合存储）增加了维护成本；基准计划由特定自动化系统生成，其性能上限可能限制对创新算法的公平评估；当前仅涵盖肺癌2Gy×30分次协议，缺乏多癌种、多分次方案及肿瘤控制概率（TCP）/正常组织并发症概率（NTCP）评价函数的扩展，制约了数据集的临床适用性与跨领域迁移能力。

常用场景

经典使用场景

PortPy数据集在放射治疗计划优化领域扮演着基石角色，其最经典的使用场景是作为调强放射治疗（IMRT）与容积旋转调强治疗（VMAT）算法研究的标准化基准。该数据集通过FDA批准的Eclipse商用治疗计划系统API获取，提供了包含剂量影响矩阵、射束元与体素细节、专家精选基准射束以及基于内部自动化系统ECHO生成的基准IMRT计划的完整数据。研究者可借助这些高保真数据，便捷地验证和比较不同机器配置（如射束角度、孔径形状、叶片运动）下的优化算法性能，从而推动治疗计划从传统经验依赖向数据驱动决策的范式转变。

解决学术问题

该数据集系统性地解决了放射治疗研究中的两大核心学术难题：一是缺乏可重复、标准化的临床级基准数据来评估新兴优化算法；二是传统研究多依赖合成数据或简化模型，难以真实反映临床复杂性。PortPy提供了来自真实肺癌患者的剂量影响矩阵和临床标准（如平均剂量、最大剂量、剂量体积直方图标准），使研究者能够严格量化算法在剂量适形性、靶区覆盖率和危及器官保护方面的表现。这一开源资源打破了商业系统数据壁垒，促进了治疗计划优化理论（如多目标优化、鲁棒优化）的实证进展，显著提升了研究结果的临床转化价值。

衍生相关工作

基于PortPy数据集已衍生出一系列具有影响力的经典工作，其中最突出的是ECHO自动化治疗计划系统，其论文发表于《Medical Physics》，展示了如何利用剂量影响矩阵实现高质量IMRT计划的快速生成。此外，研究团队还开发了PortPy开源软件库，集成了数据加载、优化建模和计划评估功能，降低了新算法的复现门槛。该数据集已被用于验证多种先进优化策略，如稀疏优化、多准则优化和流形学习辅助的射束角度优化，相关成果在AAPM和ASTRO等顶级会议上发表，推动了放射治疗计划从手工调整向人工智能辅助的转型，并成为该领域基准测试的事实标准。