SCUTG8K

SCUTG8K数据集是通过使用FARUS系统自主扫描70名志愿者获得的，用于解决手持超声设备在准确诊断结节方面的局限性。

The SCUTG8K dataset was autonomously acquired by scanning 70 volunteers using the FARUS system, aimed at addressing the limitations of handheld ultrasound devices in accurately diagnosing nodules.

原始信息汇总

数据集概述

数据集名称

• Thyroid Dataset (SCUTG8K)

数据集获取方式

• 可通过链接 https://drive.google.com/drive/folders/1z-n69dk_ANT3ZstAhpjBA2SFz2DrxEmM?usp=drive_link 获取。

数据集采集方法

• 使用自主研发的FARUS系统对70名志愿者进行自主扫描。
• 使用便携式超声设备收集额外数据集（SCUTG2K）。

数据集用途

• 用于评估FARUS系统在甲状腺扫描中的性能。
• 用于检测甲状腺结节并提供结节特征数据，以供ACR TI-RADS计算。

相关研究论文

• Su, K., Liu, J., Ren, X. et al. A fully autonomous robotic ultrasound system for thyroid scanning. Nat Commun 15, 4004 (2024). https://doi.org/10.1038/s41467-024-48421-y

搜集汇总

数据集介绍

构建方式

SCUTG8K数据集的构建基于一个完全自主的机器人超声系统（FARUS），该系统旨在无人工干预的情况下对甲状腺区域进行扫描，并识别恶性结节。数据集的采集过程经过伦理审查委员会的批准，招募了70名志愿者，使用FARUS系统进行自主扫描，形成SCUTG6K数据集。为进一步解决手持超声设备在结节诊断中的局限性，采用了便携式超声设备采集了额外的数据，形成了SCUTG2K数据集。最终，SCUTG8K数据集由这两部分数据合并而成，涵盖了丰富的甲状腺超声图像及结节特征数据。

特点

SCUTG8K数据集的主要特点在于其高度的自主性和多样性。该数据集不仅包含了通过完全自主机器人系统采集的甲状腺超声图像，还结合了便携式设备的数据，确保了数据的全面性和准确性。此外，数据集中的图像数据经过精细处理，能够为ACR TI-RADS评分提供支持，有助于甲状腺结节的诊断与评估。数据集的多样性和高质量使其成为研究甲状腺超声成像和机器人辅助诊断的宝贵资源。

使用方法

SCUTG8K数据集的使用方法相对简单，用户可以通过提供的链接下载数据集。在安装必要的依赖项后，用户可以运行训练脚本thyroid_glanod_dqn_cjp_train.py进行模型训练，或运行预测脚本thyroid_glanod_dqn_predict_patient.py进行甲状腺结节的预测。数据集的使用旨在支持甲状腺超声成像的研究，特别是机器人辅助诊断系统的开发与验证。通过这些脚本，用户可以充分利用数据集中的图像和特征数据，进行深入的分析和模型优化。

背景与挑战

背景概述

SCUTG8K数据集是由华南理工大学（SCUT）的研究团队在2024年创建的，旨在支持全自主机器人超声系统（FARUS）在甲状腺扫描中的应用。该数据集的构建基于70名志愿者的自主扫描数据（SCUTG6K）以及通过便携式超声设备采集的额外数据（SCUTG2K），最终形成了包含8000条记录的SCUTG8K数据集。该数据集的核心研究问题是如何通过自动化技术提高甲状腺超声扫描的准确性和效率，减少对人类操作的依赖。这一研究不仅推动了医疗机器人技术的发展，还为甲状腺疾病的早期诊断提供了新的数据支持，具有重要的临床应用价值。

当前挑战

SCUTG8K数据集在构建过程中面临多项挑战。首先，如何确保机器人系统在无人类干预的情况下准确识别甲状腺区域并进行高质量扫描，是一个技术难点。其次，数据集的多样性和代表性问题，即如何确保采集的数据能够覆盖不同年龄、性别和健康状况的志愿者，以提高模型的泛化能力。此外，数据集的隐私和伦理问题也不容忽视，如何在保证数据安全的前提下进行数据共享和使用，是该数据集面临的另一大挑战。最后，如何通过强化学习和贝叶斯优化等技术手段，进一步提升系统的自主性和诊断准确性，也是未来研究的重点。

常用场景

经典使用场景

SCUTG8K数据集在甲状腺超声扫描领域具有经典应用，主要用于训练和验证全自主机器人超声系统（FARUS）的性能。该数据集通过收集70名志愿者的甲状腺扫描数据，结合便携式超声设备获取的额外数据，为系统提供了丰富的甲状腺区域图像。这些图像不仅用于识别甲状腺恶性结节，还支持ACR TI-RADS评分计算，从而为临床诊断提供重要依据。

衍生相关工作

基于SCUTG8K数据集，研究者们开发了多种甲状腺超声图像处理算法，包括强化学习模型和贝叶斯优化算法，这些算法在结节检测和特征提取方面表现出色。此外，该数据集还促进了便携式超声设备在临床诊断中的应用研究，推动了医疗设备的小型化和智能化发展，为未来的医学影像处理研究提供了新的方向。

数据集最近研究

最新研究方向

在医学影像与机器人技术的交叉领域，SCUTG8K数据集的最新研究方向主要集中在全自主机器人超声系统的开发与优化。该系统通过集成强化学习、贝叶斯优化和力反馈技术，实现了甲状腺区域的自主扫描与恶性结节的识别。研究不仅关注系统的自主性，还致力于提升诊断的准确性和效率，特别是在手持超声设备难以精确诊断的情况下。此外，该数据集的应用也推动了ACR TI-RADS评分系统的自动化计算，为甲状腺疾病的早期筛查和诊断提供了新的技术支持。