LUND-PROBE

LUND-PROBE是一个数据集，包含432名接受MRI为基础的放疗治疗计划的前列腺癌患者的临床MRI和合成CT（sCT）图像、目标和器官风险区域（OARs）分割以及放疗剂量分布。还包括35名患者的扩展部分，增加了深度学习（DL）生成的分割、DL分割不确定性图和由四位放射肿瘤学家手动调整的DL分割。

LUND-PROBE is a dataset containing clinical MRI and synthetic CT (sCT) images, target and organ-at-risk (OAR) segmentations, and radiotherapy dose distributions from 432 prostate cancer patients who underwent MRI-based radiotherapy treatment planning. It also includes an extended cohort of 35 patients, which adds deep learning (DL)-generated segmentations, DL segmentation uncertainty maps, and DL segmentations manually adjusted by four radiation oncologists.

原始信息汇总

LUND-PROBE 数据集概述

数据集描述

LUND-PROBE是一个包含临床MRI和合成CT（sCT）图像的数据集，格式为3D NIfTI。该数据集包括432名接受MRI-based radiotherapy治疗计划的前列腺癌患者的目标（CTV）和OARs（组织器官）分割，以及放疗剂量分布。

此外，还包括35名患者的扩展部分，这部分数据包括了深度学习（DL）生成的分割、DL分割不确定性图，以及由四位放疗专家手动调整的DL分割。

数据集组成

• clinical MRI-和synthetic CT (sCT) 图像
• 目标（CTV）和OARs分割
• 放疗剂量分布
• 深度学习生成的分割
• 深度学习分割不确定性图
• 手动调整的深度学习分割

数据集详情

• 包含432名前列腺癌患者数据
• 扩展部分包含35名患者数据
• 数据格式：3D NIfTI
• 包括MRI和sCT图像、分割和剂量分布

数据访问

• 数据可通过AIDA Data Hub访问：https://datahub.aida.scilifelab.se/10.23698/aida/lund-probe
• 数据详情见文件：Data_table.pdf

相关出版物

• 数据集描述的论文：https://arxiv.org/abs/2502.04493
• 使用该数据集的论文：https://tobepublished

数据集图像分辨率

• MRI图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• CTV不确定性图分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• Rectum不确定性图分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• sCT图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• sCT注册到MRI图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• sCT剂量图像分辨率：2.5 mm x 2.5 mm x 2.5 mm
• sCT剂量插值图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• MRI剂量插值图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm
• fiducial图像分辨率：0.4688 mm x 0.4688 mm x 2.5 mm

数据集示例图像

• MRI、sCT、剂量分布、分割、不确定性图等示例图像均可在数据集页面查看。

搜集汇总

数据集介绍

构建方式

LUND-PROBE数据集是由432名接受MRI-based radiotherapy治疗的前列腺癌患者的临床MRI和合成CT（sCT）图像构成的。这些图像以3D NIfTI格式存储，并包括目标器官和OARs的分割，以及放疗剂量分布。数据集还包含35名患者的扩展部分，其中包括深度学习生成的分割、深度学习分割不确定性地图以及经过四位放疗医师调整的深度学习分割。

使用方法

使用LUND-PROBE数据集时，用户可以从AIDA Data Hub获取数据。数据集的详细说明可以在 GitHub 上的 'Data_table.pdf' 文件中找到。数据集的加载和可视化可以通过提供的样例代码进行，用户还可以根据自己的需求修改示例代码。数据集的构建和分割结果已经在相关论文中进行了描述。

背景与挑战

背景概述

LUND-PROBE数据集是由瑞典隆德大学医院和隆德大学的研究人员创建的，旨在为前列腺癌患者基于MRI的放疗计划提供临床MRI和合成CT图像。该数据集包含432名前列腺癌患者的3D NIfTI格式临床MRI和合成CT图像、目标和OARs分割以及放疗剂量分布。此外，还包括35名患者的扩展部分，增加了深度学习生成的分割、深度学习分割不确定性地图以及由四位放疗专家手动调整的深度学习分割。LUND-PROBE数据集的创建时间为2023年，主要研究人员包括Christian Jamtheim Gustafsson和Rogowski Viktor。该数据集在放疗计划、分割算法评估和不确定性分析等领域具有重要的影响力。

当前挑战

LUND-PROBE数据集在构建过程中遇到的挑战包括：1) 如何确保数据集的准确性和可靠性，特别是在合成CT图像的生成和分割上；2) 如何处理和整合深度学习生成的分割结果以及不确定性地图；3) 如何在数据集构建过程中保持数据的一致性和标准化，以适应不同的研究和应用需求。在所解决的领域问题方面，LUND-PROBE数据集面临的挑战包括：1) 图像分类和分割的准确性；2) 剂量分布的精确表示；3) 多模态图像的配准和融合。

常用场景

经典使用场景

LUND-PROBE数据集的经典使用场景主要在于辅助前列腺癌的MRI-based radiotherapy治疗计划。它提供了临床MRI和合成CT图像，以及目标器官和OARs的分割，还有放疗剂量分布，这些数据可以用于训练和验证深度学习模型，以自动进行前列腺癌的放射治疗计划。

解决学术问题

该数据集解决了放疗计划中目标器官和OARs的自动分割问题，以及放疗剂量的精确计算问题。通过提供大量带有标注的病例，它帮助研究者开发出更准确、更高效的放疗计划算法，从而提高放疗的治疗效果和患者的生活质量。

实际应用

在实际应用中，LUND-PROBE数据集可以被用于前列腺癌的放射治疗计划制定，通过其提供的深度学习分割模型，医生可以快速准确地确定放疗靶区和需保护的器官，进而制定个性化的放疗方案。此外，数据集中的剂量分布数据可以帮助医生评估放疗计划的质量。

数据集最近研究

最新研究方向

LUND-PROBE数据集的最新研究方向主要集中在利用深度学习技术进行前列腺癌患者的MRI和sCT图像的自动分割，以及相关放疗计划的剂量分布预测。该数据集包含了432名前列腺癌患者的临床MRI和合成CT图像，以及相关的目标器官和放疗剂量分布信息。研究的热点事件包括深度学习生成的分割结果、分割不确定性映射以及放疗科医师手动调整的分割结果。这些研究对于提高放疗计划的精确性和个性化治疗具有重要意义。