RadField3D|辐射防护数据集|医学应用数据集

arXiv2024-12-18 更新2024-12-20 收录

辐射防护

医学应用

下载链接：

https://github.com/Centrasis/RadField3DSimulation

下载链接

链接失效反馈

资源简介：

RadField3D是一个基于Geant4的开源蒙特卡罗模拟应用程序，用于生成三维辐射场数据集，主要用于医学应用中的辐射防护剂量测定。该数据集通过模拟辐射场分布，生成空间分辨的体素化辐射场数据，数据格式为二进制文件，便于机器学习算法的集成。数据集的创建过程包括使用Geant4进行辐射传输模拟，并通过实验室测量进行验证。该数据集主要应用于辐射防护领域，旨在解决医学环境中非均匀辐射场的剂量计算问题，特别是在介入放射学中，帮助开发实时剂量计算的加速技术。

提供机构：

德国布伦瑞克理工大学计算机图形学研究所

创建时间：

2024-12-18

原始信息汇总

RadiationSimulationLibrary

数据集概述

名称: RadiationSimulationLibrary
描述: 该数据集用于基于Geant4的辐射场模拟，具体描述见论文《RadField3D: A Data Generator and Data Format for Deep Learning in Radiation-Protection Dosimetry for Medical Applications》。
文档: 进一步的文档将随后提供。

AI搜集汇总

数据集介绍

构建方式

RadField3D数据集通过基于Geant4的蒙特卡罗模拟应用程序生成，专门用于生成三维辐射场数据集，以支持医学应用中的辐射防护剂量学研究。该数据集的构建采用了先进的蒙特卡罗模拟技术，结合了Geant4框架的优化，能够精确模拟辐射在不同材料和环境中的相互作用。通过空间分辨的体素化方法，RadField3D能够生成详细的辐射场分布，并使用特定的二进制文件格式RadFiled3D存储这些数据，确保数据的高效读取和机器可解释性。

使用方法

RadField3D数据集可用于开发和验证基于深度学习的辐射防护剂量学方法，特别是在医学应用中。用户可以通过Python API轻松访问和处理数据，利用生成的三维辐射场数据进行模型训练和测试。数据集的二进制文件格式RadFiled3D支持快速加载和处理，适用于大规模数据集的构建和分析。此外，数据集的开放性和可验证性使其成为辐射防护领域研究的重要资源，尤其适用于需要高精度辐射场模拟的应用场景。

背景与挑战

背景概述

RadField3D数据集由Felix Lehner等人于2024年提出，旨在为医学应用中的辐射防护剂量测量提供一个基于Geant4的蒙特卡罗模拟工具。该数据集的核心研究问题是如何通过深度学习方法加速辐射场的模拟，特别是在介入放射学（IR）中，医疗人员面临的非均匀辐射场剂量评估难题。RadField3D通过生成三维辐射场数据集，并引入一种快速、机器可解释的数据格式RadFiled3D，旨在推动深度学习在辐射防护领域的应用。该数据集的开发得到了德国、比利时和美国等多个研究机构的支持，其开放源代码和测量数据为辐射防护领域的研究提供了重要的基础。

当前挑战

RadField3D数据集面临的挑战主要集中在两个方面：首先，辐射防护领域中，特别是介入放射学场景下，非均匀辐射场的剂量评估是一个复杂且具有挑战性的问题。现有的个人剂量测量方法在均匀辐射场中表现良好，但在非均匀场中存在显著误差。其次，构建RadField3D数据集的过程中，蒙特卡罗模拟的速度限制了实时剂量计算的需求，尤其是在虚拟现实（VR）培训系统中，实时可视化的需求对模拟速度提出了更高的要求。此外，现有的辐射场数据格式多样且不统一，导致数据难以复用和共享，RadFiled3D的提出正是为了解决这一问题。

常用场景

经典使用场景

RadField3D数据集的经典使用场景主要集中在医学应用中的辐射防护剂量测量。通过生成三维辐射场数据，该数据集为深度学习算法提供了丰富的训练和验证资源，特别是在介入放射学（IR）中，医疗人员在操作过程中面临的非均匀辐射场剂量评估问题。RadField3D生成的数据格式RadFiled3D，能够高效地与机器学习框架集成，支持实时剂量计算和虚拟现实（VR）培训系统的开发，从而提升医疗人员对辐射暴露的认知和防护能力。

解决学术问题

RadField3D数据集解决了传统蒙特卡罗模拟（MCS）在实时剂量计算中的速度瓶颈问题，特别是在介入放射学场景中，现有的个人剂量计无法准确评估非均匀辐射场的剂量分布。通过提供高精度的三维辐射场数据，RadField3D为开发加速技术提供了基础，推动了深度学习在辐射防护领域的应用研究。此外，该数据集的开放性和标准化数据格式RadFiled3D，极大地促进了不同研究团队之间的数据共享和方法验证，增强了研究的透明性和可重复性。

实际应用

RadField3D数据集的实际应用场景广泛，涵盖了医疗领域的多个方面。首先，在介入放射学中，该数据集为医疗人员提供了精确的剂量评估工具，帮助他们在操作过程中减少辐射暴露。其次，RadField3D支持虚拟现实（VR）培训系统的开发，通过模拟真实的辐射场环境，提升医疗人员的辐射防护意识和技能。此外，该数据集还可用于开发新的剂量计算加速技术，应用于核电站、废物处理等高辐射环境中，为相关从业人员提供更安全的操作环境。

数据集最近研究

相关研究论文

1
RadField3D: A Data Generator and Data Format for Deep Learning in Radiation-Protection Dosimetry for Medical Applications德国布伦瑞克理工大学计算机图形学研究所 · 2024年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4099个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

农业农作物生长全周期数据集

农业农作物生长全周期数据集通过整合农作物、农场面积、刺激类型、肥料用量、杀虫剂使用量、产量、土壤类型、季节和用水量等多维度数据，实现农业生产的精准化管理和可持续发展。

浙江大数据交易服务平台收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集，该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术（如分类、编码和二值化）来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL，主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

Solar Radiation Data

该数据集包含全球多个地点的太阳辐射数据，涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标，适用于太阳能资源评估和气候研究。