SegRap2023

用于鼻咽癌放射治疗计划中风险器官和肿瘤总体积分割的大型基准，包含来自200名鼻咽癌患者的400次计算机断层扫描（CT），每对包括预先对齐的无对比和增强CT扫描。

A large-scale benchmark for organ-at-risk and gross tumor volume segmentation in nasopharyngeal carcinoma radiotherapy planning. It comprises 400 computed tomography (CT) scans from 200 nasopharyngeal carcinoma patients, with each pair containing pre-aligned non-contrast and contrast-enhanced CT scans.

搜集汇总

数据集介绍

构建方式

SegRap2023数据集的构建旨在为鼻咽癌放射治疗计划中的器官风险(GTVs)和肿瘤体积(OARs)分割提供一个大规模的基准。该数据集由200名鼻咽癌患者的400张计算机断层扫描(CT)图像组成，每位患者都有一对预对齐的非对比和对比增强CT扫描图像。GTVs和OARs的分割是放射治疗计划中的关键步骤，因为精确的分割直接影响到患者的预后。SegRap2023数据集的构建过程涉及收集患者的CT扫描图像，并进行预处理和分割标注。分割标注由经验丰富的放射肿瘤学家使用商业放射治疗计划软件MIM Software完成，并在ITK-SNAP软件中进一步检查和细化。这些标注的OARs和GTVs包括45个OARs和2个GTVs，涵盖了脑、脑干、视交叉、耳蜗、食管、咽鼓管骨、眼睛、海马体、内听道、喉、喉室、喉上、晶状体、下颌骨、乳突、中耳、视神经、口腔、腮腺、咽缩肌、垂体、脊髓、下颌下腺、颞叶、甲状腺、颞颌关节、气管、鼓室、前庭半规管和主肿瘤体积(GTVp)以及淋巴结肿瘤体积(GTVnd)。

特点

SegRap2023数据集的特点在于其规模庞大，包含了200名鼻咽癌患者的400张CT扫描图像，以及45个OARs和2个GTVs的分割标注。这使得数据集能够为模型开发和评估提供充足的样本和数据多样性。此外，SegRap2023数据集还包含了非对比和对比增强CT扫描图像，为分割模型提供了多模态数据输入，有助于提高分割的准确性和鲁棒性。SegRap2023数据集的另一个特点是公开可用，方便研究人员和开发人员使用和分享。

使用方法

SegRap2023数据集的使用方法主要包括以下几个方面。首先，研究人员和开发人员可以从官方网站下载数据集，并进行预处理和分割标注。其次，可以使用数据集进行模型训练和测试，以评估分割模型的性能。此外，SegRap2023数据集还支持多任务学习，可以同时进行OARs和GTVs的分割。最后，SegRap2023数据集还可以用于开发临床适用的分割工具，以辅助和加速临床分割工作流程，并减少放射肿瘤学家的负担和患者等待时间。

背景与挑战

背景概述

SegRap2023数据集的创建旨在解决鼻咽癌放疗计划中GTV和OAR分割的难题。该数据集由来自中国电子科技大学的机械与电气工程学院、四川肿瘤医院与研究所的放射肿瘤科、上海人工智能实验室、佳能医疗系统（中国）有限公司、斯德哥尔摩大学、KTH皇家理工学院、西北工业大学、香港科技大学（广州）、韩国延世大学医学院、德国癌症研究中心的医学图像计算部、英国布伦尔大学计算机科学系、北京医心科技有限公司和上海交通大学等机构的专家联合创建。数据集包含来自200名鼻咽癌患者的400张CT扫描图像，每名患者均有一对预对齐的非对比和增强CT扫描图像。该数据集的创建为研究鼻咽癌放疗计划的GTV和OAR分割提供了重要的数据资源，对相关领域的研究和应用具有重要意义。

当前挑战

SegRap2023数据集面临的挑战包括：1) 鼻咽癌OAR和GTV分割的挑战，由于鼻咽癌患者肿瘤大小、形状和位置的差异，以及个体解剖结构的差异，导致分割过程复杂且容易出错；2) 构建过程中所遇到的挑战，包括数据收集、标注和分割模型的训练和评估等。为了解决这些挑战，研究人员提出了多种分割模型和策略，例如基于深度学习的分割模型、结构特定标签生成和边界细化等。这些方法在SegRap2023挑战中取得了不同程度的成功，但仍需进一步研究和改进。

常用场景

经典使用场景

SegRap2023数据集主要用于放射治疗计划中鼻咽癌患者的靶区（GTVs）和危及器官（OARs）的自动分割。该数据集包含200名鼻咽癌患者的400张CT扫描图像，每名患者都有预对齐的非增强和增强CT扫描图像。数据集的目标是分割45个OARs和2个GTVs。该数据集在MICCAI2023的SegRap2023挑战中被使用，以评估最先进的自动分割算法的性能。

解决学术问题

SegRap2023数据集解决了鼻咽癌放射治疗计划中靶区和危及器官分割的挑战。过去，这些分割主要由经验丰富的放射肿瘤学家手动进行，这既耗时又容易出错。此外，由于肿瘤大小、形状和位置以及个体解剖差异的变异性，以及靶区和危及器官之间的模糊边界，分割过程进一步复杂化。SegRap2023数据集的建立为开发高效、准确的自动分割工具提供了可能性，这些工具可以辅助和加速临床分割工作流程，并减少注释者和患者的等待时间。

衍生相关工作

SegRap2023数据集的建立促进了放射治疗计划中靶区和危及器官分割的研究。该数据集被用于MICCAI2023的SegRap2023挑战，以评估最先进的自动分割算法的性能。挑战的结果表明，大多数大型危及器官可以准确分割，但小型危及器官和靶区的分割仍然是一个挑战。未来，研究人员可以继续使用SegRap2023数据集来开发更准确的分割算法，并进一步评估其在临床实践中的应用。