DEEP-PSMA-Lite
收藏资源简介：
DEEP-PSMA-Lite 是一个医学图像分割数据集，源自 DEEP-PSMA 挑战赛（CC BY-NC 4.0 许可），并经过预处理和再分发。该数据集包含 100 个病例，每个病例提供配对的前列腺特异性膜抗原（PSMA）和氟代脱氧葡萄糖（FDG）PET 扫描，以及每种示踪剂的总肿瘤负荷（TTB）掩膜。数据存储为 NIfTI 格式，已标准化为 RAS+ 方向。图像和掩膜分别存放在四个文件夹中：Images-PSMA、Masks-PSMA、Images-FDG、Masks-FDG，每个文件夹各有 100 个文件。标签映射仅包含一个类别："1" 表示总肿瘤负担。此外，数据集还提供了四个标记点（P1-P4），用于定义肿瘤主次轴的端点。该数据集是 MedVision 基准测试的一部分，可用于多模态 PET 分割任务（如轴向、冠状、矢状面）。数据使用需遵守原始 CC BY-NC 4.0 许可，并建议引用原始来源。
DEEP-PSMA-Lite is a medical image segmentation dataset derived from the DEEP-PSMA challenge (CC BY-NC 4.0 license), preprocessed and redistributed. It contains 100 cases, each with paired prostate-specific membrane antigen (PSMA) and fluorodeoxyglucose (FDG) PET scans, as well as total tumor burden (TTB) masks for each tracer. The data is stored in NIfTI format and normalized to RAS+ orientation. Images and masks are stored in four folders: Images-PSMA, Masks-PSMA, Images-FDG, Masks-FDG, each with 100 files. The label mapping contains only one class: "1" for total tumor burden. Additionally, the dataset provides four landmarks (P1-P4) to define the endpoints of the tumor major and minor axes. This dataset is part of the MedVision benchmark and can be used for multimodal PET segmentation tasks (e.g., axial, coronal, sagittal). Data usage must comply with the original CC BY-NC 4.0 license, and the original source should be cited.
数据集概述：DEEP-PSMA-Lite
基本信息
- 数据集名称：DEEP-PSMA-Lite
- 许可证：CC BY-NC 4.0（非商业使用）
- 任务类型：图像分割
- 语言：英语
- 标签：医学、图像、PET、前列腺、癌症、分割
- 数据规模：少于1000个样本
数据集内容
该数据集是 DEEP-PSMA 的预处理再分发版本，原始数据来自 Zenodo。包含100个病例，每个病例具有配对的PSMA和FDG PET扫描，以及每种示踪剂的总肿瘤负荷（TTB）掩膜。
仓库内容：
| 文件夹 | 文件数量 |
|---|---|
Images-PSMA/ |
100 个文件 |
Masks-PSMA/ |
100 个文件 |
Images-FDG/ |
100 个文件 |
Masks-FDG/ |
100 个文件 |
与源数据集的关系
| 源数据集 | 100个病例，每个病例包含PSMA和FDG两种示踪剂的PET + CT + totseg_24 |
| 本数据集排除 | 两种示踪剂的CT和totseg_24体积 |
| 本仓库包含 | 100个PSMA图像 + 100个PSMA掩膜 + 100个FDG图像 + 100个FDG掩膜 |
所有100个病例和两种示踪剂均被包含，但CT和totseg_24体积未再分发。总肿瘤负荷标注基于PET上的SUV阈值定义，并在PET网格上提供（例如，192x192x335，分辨率为2.87 x 2.87 x 3.27 mm）。由于PET/CT的CT大约以1 mm分辨率获取用于衰减校正，将其作为图像使用需要将掩膜重采样到约3倍更精细的网格上，这会虚构从未标注过的病灶边界细节并改变物理测量值。
“-Lite”后缀说明：表示这是衍生再分发而非源数据的副本。这些是经过预处理的数据体——每个病例都进行了格式转换（如需要）、几何标准化并重新定向为RAS+方向。该数据集用于复现MedVision，而非替代原始发布。
预处理步骤
- PET（SUV）体积及其TTB掩膜转换为
nii.gz格式，并标准化为RAS+方向 - 两种示踪剂保存在独立的图像/掩膜文件夹中，以确保受试者级别的训练/测试分割不会将同一患者的PSMA和FDG扫描置于对立面
分割标签
python labels_map = { "1": "total tumor burden" }
地标标注
python landmarks_map = { "P1": "most right/anterior/superior endpoint of the major axis", "P2": "most left/superior/inferior endpoint of the major axis", "P3": "most right/anterior/superior endpoint of the minor axis", "P4": "most left/superior/inferior endpoint of the minor axis" }
相关资源
地标标注、可视化图形和基准计划文件可在 MedVision 中找到，用户可以通过数据集配置加载完整的图像和标注。数据集已集成到MedVision中，支持多种配置名称用于Python加载，涵盖不同的方向（轴向、冠状、矢状）和任务（Task01、Task02）。
数据使用协议
- 必须遵守源数据集的
CC BY-NC 4.0许可证条款 - 建议在出版物中引用该数据集来源：
https://huggingface.co/datasets/YongchengYAO/DEEP-PSMA-Lite - 必须引用原始出版物：https://doi.org/10.5281/zenodo.15281784
官方发布
官方信息请访问：https://deep-psma.grand-challenge.org/
下载方式
可通过HuggingFace的snapshot_download函数下载：
python
from huggingface_hub import snapshot_download
snapshot_download(repo_id="YongchengYAO/DEEP-PSMA-Lite", repo_type=dataset, local_dir="/your/local/folder")
