DeepFluoro

DeepFluoro提供了配对的X射线荧光检查图像和骨盆的CT体积数据。数据来自约翰霍普金斯大学的六具尸体。通过离线注册过程估计了地面真值相机姿态。

DeepFluoro provides paired X-ray fluoroscopy images and pelvic CT volumetric data. The data is sourced from six cadavers at Johns Hopkins University. The ground truth camera poses were estimated through an offline registration process.

原始信息汇总

数据集概述

数据集名称及用途

• 名称: DiffDRR Datasets
• 用途: 提供2D/3D注册数据集和数据加载器，用于DiffDRR，一个用于解决断层成像中逆问题的可微分X射线渲染器。

数据集内容

Dataset	Anatomy	# of Subjects	# of 2D Images	CTs	X-rays	GT Fiducials
DeepFluoro	pelvis	6	366	✅	✅	❌
Ljubljana	neurovasculature	10	20	✅	✅	✅

数据集详细描述

1. DeepFluoro

   • 来源: DeepFluoro
   • 描述: 提供配对的X射线荧光图像和骨盆的CT体积。数据来自John Hopkins大学的六个尸体标本。通过离线注册过程估计地面实况相机姿态。
   • 引用文献: Grupp et al., 2020

2. Ljubljana

   • 来源: Ljubljana
   • 描述: 提供配对的2D/3D数字减影血管造影(DSA)图像。数据来自Ljubljana大学进行血管内图像引导干预的10名患者。通过注册表面基准标记估计地面实况相机姿态。
   • 引用文献: Mitrovic et al., 2013

使用指南

• 安装: 使用命令pip install diffdrrdata安装数据集。
• 引用: 如果使用这些数据集，请引用原始论文。

搜集汇总

数据集介绍

构建方式

DeepFluoro数据集的构建基于六个尸体标本，这些标本来自约翰霍普金斯大学，涵盖了骨盆区域。数据集通过采集X射线荧光图像和相应的CT体积图像，形成配对数据。为了确保数据集的质量，研究人员采用离线注册过程估算相机姿态，从而为每对图像提供准确的参考。

特点

DeepFluoro数据集的主要特点在于其高质量的配对数据，包括X射线荧光图像和CT体积图像，这些图像均来自同一标本，确保了数据的一致性和可靠性。此外，数据集还提供了详细的相机姿态信息，这对于2D/3D配准任务尤为重要。

使用方法

使用DeepFluoro数据集时，用户可以通过提供的API接口轻松加载数据，并利用DiffDRR库进行数字重建放射图像（DRR）的生成和可视化。具体操作包括加载特定标本数据、初始化DRR模块、渲染DRR图像以及进行图像对比分析。

背景与挑战

背景概述

DeepFluoro数据集由John Hopkins大学的研究人员于2020年创建，旨在解决X射线荧光图像与CT体积之间的2D/3D配准问题。该数据集包含了六个尸体标本的骨盆区域图像，提供了X射线荧光图像和相应的CT体积数据。通过离线配准过程，研究人员估计了相机姿态的真实值，这对于开发和验证2D/3D配准算法至关重要。DeepFluoro数据集的发布，为医学影像领域的研究人员提供了一个宝贵的资源，特别是在骨盆区域的2D/3D配准研究中，极大地推动了该领域的发展。

当前挑战

DeepFluoro数据集在构建过程中面临了多个挑战。首先，获取高质量的X射线荧光图像和CT体积数据需要精密的成像设备和专业的操作技术。其次，离线配准过程的准确性直接影响到数据集的质量，如何确保配准的精确性是一个重要的技术难题。此外，数据集的规模相对较小，仅包含六个标本，这在一定程度上限制了其在广泛应用中的普适性和鲁棒性。最后，数据集中缺乏真实值的标记，这为算法的训练和验证带来了额外的挑战。

常用场景

经典使用场景

在医学影像领域，DeepFluoro数据集的经典使用场景主要集中在2D/3D配准任务中。该数据集提供了来自六个尸体标本的骨盆CT体积和相应的X射线荧光图像，这些图像对被广泛用于开发和验证2D/3D配准算法。通过使用DeepFluoro数据集，研究人员能够训练和测试其算法在不同视角和解剖结构下的表现，从而提高配准的准确性和鲁棒性。

衍生相关工作

基于DeepFluoro数据集，许多相关研究工作得以展开。例如，研究人员开发了多种深度学习模型，用于改进2D/3D配准的精度和速度。此外，该数据集还被用于探索新的配准方法，如基于特征点的配准和基于图像强度的配准。这些研究不仅提升了配准技术本身，还为其他医学影像处理任务提供了新的思路和方法。

数据集最近研究

最新研究方向

在医学影像领域，DeepFluoro数据集因其独特的X射线荧光图像与CT体积配对特性，成为2D/3D配准研究的前沿焦点。该数据集由约翰霍普金斯大学的六具尸体标本采集，专注于骨盆区域，为研究人员提供了宝贵的实验资源。近期，基于DeepFluoro数据集的研究主要集中在自动标注和2D/3D配准算法的优化上，旨在提高手术导航和图像引导干预的精度和效率。这些研究不仅推动了医学影像处理技术的发展，也为临床应用提供了新的可能性。