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？
SynthRAD2025 Grand Challenge dataset|医学图像合成数据集|放疗技术数据集
收藏arXiv2025-02-25 更新2025-02-28 收录
下载链接：
https://doi.org/10.5281/zenodo.14918089
下载链接
链接失效反馈资源简介：
SynthRAD2025数据集是由欧洲五个大学医学中心提供的，包含2362个病例，分为训练集、验证集和测试集，旨在推动医学图像合成技术在放疗领域的应用。该数据集包含了头部和颈部、胸部和腹部癌症患者的MRI-CT和CBCT-CT图像对，可用于合成CT生成算法的开发、验证和基准测试，以促进个性化癌症护理和改善适应性放疗工作流程。
提供机构：
德国慕尼黑大学医院，荷兰格罗宁根大学医学中心，荷兰奈梅亨大学医学中心，德国科隆大学医院，荷兰乌德勒支大学医学中心，德国海德堡癌症研究中心，瑞典隆德大学，德国癌症 consortium (DKTK)，德国巴伐利亚癌症研究中心
创建时间：
2025-02-25
AI搜集汇总
数据集介绍
构建方式
SynthRAD2025 Grand Challenge dataset 是一个多中心、多模态的医疗影像数据集，旨在推动合成CT（sCT）生成算法的发展。该数据集由五个欧洲大学医疗中心提供，包括2362个案例，其中890个是MRI-CT配对，1472个是CBCT-CT配对。数据采集涵盖了头颈、胸部和腹部癌症患者的治疗过程，并采用了多种扫描仪和采集协议。数据预处理包括刚性图像配准、去面容化、重采样和轮廓分割，以确保数据质量和标准化。
特点
SynthRAD2025 Grand Challenge dataset 的特点在于其多中心、多模态和大规模。它包含了来自不同医疗中心的多样化数据，覆盖了头颈、胸部和腹部三个解剖区域，为研究人员提供了丰富的数据资源。数据集的预处理流程保证了数据的质量和标准化，便于研究人员进行算法开发和评估。此外，数据集还提供了详细的元数据，包括采集参数和配准细节，方便研究人员了解数据背景。
使用方法
SynthRAD2025 Grand Challenge dataset 的使用方法主要包括下载、解压和加载数据。数据集以MetaImage (.mha) 文件格式提供，可以使用ITK或SimpleITK等工具进行读取和操作。研究人员可以根据需要选择MRI-to-CT或CBCT-to-CT任务进行算法开发和评估。此外，数据集还提供了预处理代码和参数文件，方便研究人员复现研究结果。需要注意的是，数据集的下载和使用需要遵守相应的许可证规定。
背景与挑战
背景概述
在当今的放射治疗领域，医学影像技术扮演着至关重要的角色，它不仅帮助进行诊断和治疗计划，还用于治疗过程中的监测。随着合成影像技术的不断发展，特别是在合成计算机断层扫描（sCT）方面，其在放射治疗中的应用越来越受到关注。SynthRAD2025数据集及其配套的SynthRAD2025 Grand Challenge的目的是通过提供一个平台来全面评估和基准化基于锥束CT（CBCT）和磁共振成像（MRI）的合成CT生成算法，以推动合成CT生成算法的进步。该数据集由欧洲五个大学的医学中心收集，包括2362个病例，其中包括890个MRI-CT对和1472个CBCT-CT对，涵盖了头颈、胸和腹部癌症患者的治疗数据。这些数据是在2025年由Adrian Thummerer等研究人员创建的，他们来自德国、荷兰和瑞典的多个机构。该数据集的创建为放射治疗领域带来了重大影响，因为它促进了个性化癌症护理和自适应放射治疗工作流程的改进。
当前挑战
SynthRAD2025数据集和相关挑战面临的主要挑战包括：1)在MRI和CBCT图像中缺乏电子密度信息，这限制了直接进行剂量计算的能力；2)CBCT图像质量的限制，由于散射和其他CBCT成像伪影的影响，CBCT图像的质量通常低于诊断扇形束CT；3)数据集中存在异质性，由于不同中心使用了不同的成像协议和扫描仪，这增加了开发通用sCT生成算法的难度；4)由于伦理考虑和数据隐私问题，详细的患者特征（如年龄、性别、肿瘤类型和分期）并未在数据集中统一提供，这限制了进行子群分析或评估算法在特定患者人群中的表现的能力；5)预处理过程中的一些步骤，如重采样、去面化和轮廓分割，可能会在一定程度上降低数据质量。
常用场景
经典使用场景
SynthRAD2025 Grand Challenge dataset 是一个在放射治疗领域具有里程碑意义的数据集，它主要被用于生成合成的CT图像，以便在放射治疗过程中替代传统的CT扫描。这个数据集由多个欧洲大学医疗中心收集，涵盖了头部、颈部、胸部和腹部癌症患者的数据，为放射治疗中的图像合成研究提供了宝贵的资源。
衍生相关工作
SynthRAD2025 Grand Challenge dataset 衍生了许多相关的经典工作。例如，通过这个数据集，研究人员可以开发、验证和基准sCT生成算法，推动放射治疗领域的科技进步。此外，SynthRAD2025 Grand Challenge dataset 还可以用于在线自适应放射治疗的研究，提高放射治疗的精确性和效率。
数据集最近研究
最新研究方向
在放射治疗领域，合成CT（sCT）的生成对于准确的治疗计划和剂量计算至关重要。SynthRAD2025 Grand Challenge数据集的发布，为研究人员提供了一个多中心、多模态、高质量的影像数据集，旨在推动sCT生成算法的发展。该数据集包含MRI-CT和CBCT-CT配对图像，涵盖头部和颈部、胸部和腹部癌症患者的病例。通过这个数据集，研究人员可以开发和测试基于深度学习的sCT生成算法，以改善放射治疗中的剂量计算和器官分割。此外，该数据集还可以用于评估不同算法的性能，并促进个性化癌症治疗和适应性放射治疗工作流程的改进。SynthRAD2025 Grand Challenge数据集的发布，为放射治疗领域的研究人员提供了一个宝贵的资源，有助于推动sCT生成算法的发展和临床应用。
相关研究论文
- 1SynthRAD2025 Grand Challenge dataset: generating synthetic CTs for radiotherapy德国慕尼黑大学医院，荷兰格罗宁根大学医学中心，荷兰奈梅亨大学医学中心，德国科隆大学医院，荷兰乌德勒支大学医学中心，德国海德堡癌症研究中心，瑞典隆德大学，德国癌症 consortium (DKTK)，德国巴伐利亚癌症研究中心 · 2025年
以上内容由AI搜集并总结生成
数据主题
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
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录
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
CatMeows
该数据集包含440个声音样本，由21只属于两个品种（缅因州库恩猫和欧洲短毛猫）的猫在三种不同情境下发出的喵声组成。这些情境包括刷毛、在陌生环境中隔离和等待食物。每个声音文件都遵循特定的命名约定，包含猫的唯一ID、品种、性别、猫主人的唯一ID、录音场次和发声计数。此外，还有一个额外的zip文件，包含被排除的录音（非喵声）和未剪辑的连续发声序列。
huggingface 收录
OpenSonarDatasets
OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库，旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合，以增加开放源代码声纳数据集的可见性，并提供一个更容易查找和比较数据集的方式。
github 收录
FER2013
FER2013数据集是一个广泛用于面部表情识别领域的数据集，包含28,709个训练样本和7,178个测试样本。图像属性为48x48像素，标签包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性。
github 收录