LIDC-IDRI-DRR

LIDC-IDRI-DRR数据集由1,012个胸部CT扫描组成，用于生成从1,500个视角的胸部X光图像。这些数据来自Lung Image Database Consortium (LIDC)和Image Database Resource Initiative (IDRI)项目。该数据集被用于训练SV-DRR模型，该模型旨在从单个X光图像中合成多视角X光图像。数据集通过DiffDRR方法进行预处理，以捕获广泛的视角，从而增强了训练数据集的鲁棒性。

The LIDC-IDRI-DRR dataset comprises 1,012 chest CT scans, which are utilized to generate chest X-ray images from 1,500 different viewpoints. The data originate from the Lung Image Database Consortium (LIDC) and Image Database Resource Initiative (IDRI) projects. This dataset is employed to train the SV-DRR model, which is designed to synthesize multi-view X-ray images from a single X-ray image. The dataset was preprocessed via the DiffDRR method to capture a wide range of viewpoints, thereby enhancing the robustness of the training dataset.

原始信息汇总

SV-DRR数据集概述

基本信息

• 标题: SV-DRR: High-Fidelity Novel View X-Ray Synthesis Using Diffusion Model
• 会议: MICCAI 2025
• 作者: Chun Xie, Yuichi Yoshii, Itaru Kitahara
• 机构: 筑波大学 | 东京医科大学茨城医疗中心
• arXiv论文: arXiv:2507.05148

研究内容

• 方法: 提出了一种新颖的视图条件扩散模型，用于从单一视图合成高达1024x1024分辨率的多视图X射线图像。
• 名称来源: SV-DRR（Single-View DRR）的灵感来源于数字重建放射影像（DRR），但与DRR不同，DRR从3D CT体积渲染X射线投影，而SV-DRR直接从单个2D投影合成新视图。

可视化比较

• 演示动画:
• 与SOTA方法的视觉比较:
• DRR与SV-DRR对比:

代码库依赖

• Zero1to3-hf
• PixArt-Σ
• HF Diffusers

引用

bibtex @misc{xie2025svdrr, title={SV-DRR: High-Fidelity Novel View X-Ray Synthesis Using Diffusion Model}, author={Chun Xie and Yuichi Yoshii and Itaru Kitahara}, year={2025}, eprint={2507.05148}, archivePrefix={arXiv}, url={https://arxiv.org/abs/2507.05148}, }

搜集汇总

数据集介绍

构建方式

LIDC-IDRI-DRR数据集的构建基于Lung Image Database Consortium (LIDC) 的1,012例胸部CT扫描数据。为确保图像质量和重建精度，研究团队筛选出889例切片厚度不超过2.5毫米的CT扫描，并采用3D Slicer工具去除CT扫描台等干扰结构。通过DiffDRR技术，从每个CT扫描的1,500个视角合成X射线图像，覆盖广泛的视角范围以增强数据多样性。视角位置采用斐波那契晶格采样法在半径为1.8米的半球面上均匀分布，首个视角固定为标准后前位(PA)投影，作为实验中的基准输入图像。

使用方法

在使用LIDC-IDRI-DRR数据集时，研究者需首先将16例预留的测试集CT扫描与训练数据分离，确保评估的客观性。数据加载时需注意视角参数的解析，其中相对视角坐标通过极坐标编码嵌入模型。推荐采用渐进式训练策略：先在256×256分辨率上训练基础模型，再通过位置嵌入插值技术逐步迁移到512×512和1024×1024的高分辨率训练。评估阶段可采用简单视角集（36个固定方位角）测试基础性能，或使用半球视角集（1,499个随机视角）验证模型泛化能力。

背景与挑战

背景概述

LIDC-IDRI-DRR数据集是基于LIDC-IDRI肺部CT扫描数据构建的高保真X射线投影合成数据集，由筑波大学计算科学中心与东京医科大学的研究团队于2025年联合发布。该数据集源自1,012例临床胸部CT扫描，经严格筛选后保留889例薄层扫描数据，通过DiffDRR算法生成1,500个视角的数字重建放射影像(DRR)，覆盖半球形空间采样区域。其核心价值在于解决了医学影像领域多视角X射线合成中数据稀缺的瓶颈问题，为基于深度学习的视角合成算法提供了标准化评估基准，显著推动了稀疏视图CT重建、医学教育辅助系统等应用的发展。

当前挑战

该数据集构建面临双重技术挑战：在领域问题层面，X射线单视图合成需克服投影几何的非线性变换与解剖结构保真度的平衡难题，传统方法受限于视角范围狭窄（±30°）和分辨率低下（通常≤256px）；在数据构建过程中，精确配准1,500个视角的DRR投影需解决CT体数据预处理中的金属伪影消除、呼吸运动补偿等难题，而斐波那契晶格采样带来的非均匀视角分布进一步增加了深度学习模型的训练复杂度。此外，保持跨分辨率（256/512/1024px）合成时解剖结构的一致性，对弱到强训练策略提出了严格的梯度稳定性要求。

常用场景

经典使用场景

在医学影像领域，LIDC-IDRI-DRR数据集通过高保真度的多视角X射线合成技术，为临床诊断和教育提供了重要支持。该数据集最经典的使用场景在于从单一视角的X射线图像生成多角度视图，从而在不增加患者辐射暴露的情况下，为医生提供更全面的解剖结构信息。这一技术特别适用于胸部X射线影像的分析，能够显著提升诊断的准确性和效率。

解决学术问题

LIDC-IDRI-DRR数据集解决了医学影像研究中多视角X射线图像合成的关键问题。传统方法在视角范围、分辨率和图像质量上存在局限，而该数据集通过扩散模型和弱到强的训练策略，实现了高分辨率图像的稳定生成。这不仅填补了稀疏视角CT重建的技术空白，还为医学影像的标准化和自动化分析提供了可靠的数据基础。

实际应用

在实际应用中，LIDC-IDRI-DRR数据集被广泛用于临床诊断、医学教育和数据增强。通过生成多视角X射线图像，医生可以在不进行多次扫描的情况下获取更多诊断信息，减少患者的辐射风险。此外，该数据集还为医学教育提供了丰富的教学素材，帮助医学生更好地理解人体解剖结构。

数据集最近研究

最新研究方向

在医学影像领域，LIDC-IDRI-DRR数据集的最新研究方向聚焦于基于扩散模型的高保真多视角X射线合成技术。该研究通过引入视角条件扩散变换器（VCDiT）和弱到强训练策略，突破了传统方法在视角范围、分辨率和图像质量上的局限。前沿工作表明，这种方法不仅能够从单张X射线图像生成高分辨率的多种视角投影，还能显著提升解剖结构的空间一致性和细节保留能力。这一技术进展对于减少患者辐射暴露、优化临床工作流程具有重要价值，同时为医学教育和稀疏视角CT重建等应用提供了高质量的数据扩展方案。

相关研究论文

• SV-DRR: High-Fidelity Novel View X-Ray Synthesis Using Diffusion Model

  Center for Computational Sciences, University of Tsukuba, Japan; Tokyo Medical University Ibaraki Medical Center, Japan · 2025年