OPENPROS

OPENPROS是一个大规模的数据集，专为有限视角的前列腺超声计算机断层扫描（USCT）而开发。数据集包含超过28万个配对的2D声速（SOS）幻影和相应的超声全波形数据。这些数据是从基于真实临床MRI/CT扫描和体外超声测量的精确3D数字前列腺模型中生成的，并由医学专家进行标注。数据集在临床相关的配置下进行模拟，使用了先进的有限差分时域（FDTD）和Runge-Kutta声波求解器。OPENPROS旨在促进高级机器学习算法的开发，以缩小性能差距，产生临床可用的高分辨率和高精度前列腺超声图像。

OPENPROS is a large-scale dataset developed specifically for limited-view prostate ultrasound computed tomography (USCT). The dataset contains over 280,000 paired 2D speed of sound (SOS) phantoms and corresponding full-waveform ultrasound data. These data are generated from precise 3D digital prostate models based on real clinical MRI/CT scans and in vitro ultrasound measurements, and annotated by medical experts. The dataset is simulated under clinically relevant configurations using advanced finite-difference time-domain (FDTD) and Runge-Kutta acoustic solvers. OPENPROS aims to facilitate the development of advanced machine learning algorithms to narrow the performance gap and produce clinically usable high-resolution and high-precision prostate ultrasound images.

搜集汇总

数据集介绍

构建方式

OPENPROS数据集的构建基于临床MRI/CT扫描和离体超声测量数据，通过专家标注生成了精确的3D数字前列腺模型。这些模型随后被用于生成280,000对2D声速（SOS）幻影和相应的超声全波形数据。模拟过程采用了先进的有限差分时域（FDTD）和Runge-Kutta声波求解器，确保了数据的临床真实性和高保真度。

特点

OPENPROS数据集的特点在于其大规模和高度真实的解剖学细节。数据集包含多种临床相关场景，如组织界面清晰的前列腺、膀胱及周围组织，以及模拟的合成病变（如肿瘤）。此外，数据集还涵盖了临床变异性，包括有限的采集角度、声学噪声和组织异质性，从而为算法开发提供了全面的测试环境。

使用方法

OPENPROS数据集的使用方法包括训练和评估物理基础和深度学习重建算法。数据集提供了完整的超声波形数据和SOS地图，可用于监督学习任务。研究人员可以利用这些数据开发新的重建算法，并通过提供的基准测试（如MAE、RMSE、SSIM和PCC）评估其性能。此外，数据集还支持对未见过的解剖结构进行泛化测试，以验证算法的鲁棒性。

背景与挑战

背景概述

OPENPROS数据集由美国北卡罗来纳大学教堂山分校、约翰霍普金斯大学等机构的研究团队于2025年发布，是首个针对有限视角前列腺超声计算机断层扫描（USCT）的大规模基准数据集。前列腺癌作为男性常见恶性肿瘤，早期诊断面临传统经直肠超声（TRUS）灵敏度低、难以检测前部肿瘤等挑战。该数据集包含28万对2D声速（SOS）体模与超声全波形数据，基于临床MRI/CT扫描构建解剖学精确的3D数字模型，并通过开源有限差分时域（FDTD）求解器进行声波传播模拟。其创新性体现在首次解决了前列腺USCT领域缺乏高质量开放数据的问题，为深度学习算法开发提供了重要基础设施。

当前挑战

OPENPROS面临的挑战主要体现在两个维度：领域问题方面，有限视角条件导致传统物理反演方法存在收敛慢、病态性强及重建伪影等问题，而现有深度学习模型仍难以生成临床可用的高分辨率图像；数据构建方面，前列腺解剖结构复杂性与邻近骨骼干扰使声波模拟难度倍增，需克服组织异质性建模、多器官边界精确标注等难题。此外，2D模拟无法完全反映三维声波散射效应，且数据集目前仅包含4例患者解剖变异，可能限制模型的泛化能力。

常用场景

经典使用场景

OPENPROS数据集在医学影像领域，尤其是前列腺癌早期检测中具有重要应用。该数据集通过模拟真实的2D声速（SOS）幻影和相应的超声全波形数据，为研究人员提供了一个可靠的工具来评估和改进超声计算机断层扫描（USCT）算法。其经典使用场景包括在有限角度采集条件下，对前列腺组织进行高分辨率成像和定量分析，从而帮助识别和定位潜在的恶性肿瘤。

实际应用

在实际应用中，OPENPROS数据集为前列腺癌的早期诊断和治疗规划提供了重要支持。通过使用该数据集训练的深度学习模型，医生可以在临床环境中快速生成高分辨率的前列腺图像，从而更准确地识别肿瘤位置和范围。此外，数据集的开放性和可扩展性使其能够广泛应用于医学影像研究、教育和临床实践中。

衍生相关工作

OPENPROS数据集的发布促进了多项相关研究的发展。例如，基于该数据集的InversionNet和ViT-Inversion等深度学习模型在超声图像重建中表现出色。此外，数据集还启发了对有限角度条件下超声成像算法的进一步优化，推动了前列腺超声计算机断层扫描技术的临床转化和应用。