ERUS-10K

ERUS-10K数据集由香港中文大学（深圳）等机构创建，包含77个直肠内超声视频和10,000个高质量注释帧，专门用于结直肠癌的分割、检测和浸润深度分期。数据集的创建旨在解决缺乏大规模高质量注释的直肠内超声数据集的问题，支持自动超声诊断技术的发展。该数据集的应用领域主要集中在医学影像分析，特别是结直肠癌的计算机辅助诊断。The ERUS-10K dataset was developed by institutions including The Chinese University of Hong Kong, Shenzhen, and other relevant organizations. It consists of 77 endorectal ultrasound videos and 10,000 high-quality annotated frames, and is specifically tailored for the tasks of segmentation, detection and depth of invasion staging of colorectal cancer. The dataset is created to address the shortage of large-scale, high-quality annotated endorectal ultrasound datasets, and supports the advancement of automated ultrasound diagnosis technologies. Its application fields mainly focus on medical image analysis, especially computer-aided diagnosis of colorectal cancer.

搜集汇总

数据集介绍

构建方式

ERUS-10K数据集的构建基于77个内窥镜超声视频，共包含10,000帧高分辨率标注图像。这些视频涵盖了结直肠癌的分割、检测和浸润深度分期等多种临床场景。数据集的标注由经验丰富的超声医师手动完成，确保了标注的高质量和临床相关性。此外，数据集还通过自适应扫描模式增强（ASMA）技术，将不同扫描模式（如线性扫描和凸面扫描）的图像进行转换，以增强模型的泛化能力。

特点

ERUS-10K数据集的特点在于其多样性和高质量标注。数据集不仅包含结直肠癌的分割和检测任务，还提供了肿瘤浸润深度的分期信息，覆盖了从T1到T4的不同阶段。此外，数据集中的图像来自不同的扫描模式，能够反映实际临床操作中的多样性。通过自适应扫描模式增强技术，数据集进一步平衡了不同扫描模式下的图像数量，减少了模型过拟合的风险。

使用方法

ERUS-10K数据集的使用方法主要包括数据预处理、模型训练和评估。在预处理阶段，用户可以通过自适应扫描模式增强技术将不同扫描模式的图像进行转换，以增强模型的泛化能力。在模型训练阶段，数据集可以用于训练结直肠癌分割模型，如自适应稀疏上下文变换器（ASTR），该模型通过稀疏上下文块（SCB）和稀疏上下文变换器（SCT）来提取帧间局部和全局特征。在评估阶段，数据集提供了详细的标注信息，用户可以通过Dice系数、IoU等指标对模型性能进行全面评估。

背景与挑战

背景概述

ERUS-10K数据集由香港中文大学（深圳）的Yuncheng Jiang等研究人员于2024年提出，旨在解决结直肠癌在直肠内超声（ERUS）视频中的自动分割问题。结直肠癌是全球癌症死亡的第二大原因，早期准确诊断对治疗决策和生存率提升至关重要。ERUS作为一种高可靠性的成像技术，能够精确评估肿瘤的浸润深度和边界，但其大规模高质量标注数据集的缺乏阻碍了自动诊断系统的发展。ERUS-10K数据集包含77个ERUS视频和10,000帧高分辨率标注图像，涵盖了结直肠癌的分割、检测和浸润深度分期等多种临床场景，为自动超声诊断系统的开发提供了重要基础。

当前挑战

ERUS-10K数据集面临的挑战主要包括两个方面：首先，结直肠癌在ERUS视频中的分割任务具有较高的复杂性，由于肿瘤形态多样、边界模糊，且超声图像中存在运动模糊和扫描模式差异（如线性扫描与凸阵扫描），导致模型难以准确分割。其次，数据集的构建过程中，研究人员需克服大规模数据标注的困难，尤其是在不同扫描模式下保持标注的一致性和准确性。此外，如何有效利用时间信息进行多帧特征融合，以及如何在低计算复杂度下提取关键上下文信息，也是模型设计中的核心挑战。

常用场景

经典使用场景

ERUS-10K数据集在结直肠癌的超声视频分割领域具有重要应用，特别是在肿瘤边界和浸润深度的精确识别中。该数据集通过提供77个超声视频和10,000帧高分辨率标注图像，为深度学习模型的训练和验证提供了丰富的素材。其经典使用场景包括结直肠癌的自动分割、检测以及浸润深度的分期，这些任务在临床诊断中具有极高的实用价值。

实际应用

在实际应用中，ERUS-10K数据集为结直肠癌的早期诊断和治疗提供了有力支持。通过自动化的超声影像分析，医生可以更快速、准确地识别肿瘤位置、大小及其与周围组织的关系，从而制定个性化的治疗方案。此外，该数据集的应用还减少了因医生经验不足或疲劳导致的漏诊率，提升了诊断的可靠性和效率。

衍生相关工作

基于ERUS-10K数据集，研究者们开发了多项经典工作。例如，自适应稀疏上下文变换器（ASTR）模型通过结合扫描模式增强和稀疏上下文块，显著提升了结直肠癌分割的精度和效率。此外，该数据集还推动了其他相关领域的研究，如超声影像中的多帧特征融合、肿瘤浸润深度的自动分期等，为计算机辅助诊断技术的发展提供了重要参考。