SynthRAD2023 Grand Challenge dataset

SynthRAD2023 Grand Challenge数据集由荷兰格罗宁根大学医学中心、拉德布德大学医学中心和乌得勒支大学医学中心联合创建，专注于放射治疗中合成CT的生成。数据集包含1080对脑部和盆腔区域的CT、CBCT和MRI图像，覆盖年龄3至93岁的患者。创建过程涉及多中心合作，采用多种扫描模型和采集设置，确保数据多样性。该数据集主要用于评估和开发放射治疗中的图像合成算法，解决临床中CT图像生成的需求，特别是在减少患者辐射暴露和提高治疗精确性方面具有重要应用。The SynthRAD2023 Grand Challenge dataset was jointly created by University Medical Center Groningen, Radboud University Medical Center, and University Medical Center Utrecht in the Netherlands, focusing on synthetic CT generation for radiotherapy. The dataset comprises 1080 paired sets of CT, CBCT and MRI images from brain and pelvic regions, covering patients aged 3 to 93 years old. Its development involved multi-center collaboration, adopting diverse scanning models and acquisition protocols to ensure data diversity. This dataset is primarily used to evaluate and develop image synthesis algorithms for radiotherapy, addressing the clinical demand for CT image generation, and has important applications in reducing patient radiation exposure and improving treatment accuracy.

搜集汇总

数据集介绍

构建方式

SynthRAD2023 Grand Challenge dataset是由荷兰三个大学医学中心合作收集的，包括540个大脑和540个盆腔放射治疗患者的CT、CBCT和MRI图像。数据集分为两个任务：任务1涉及MR到CT图像的合成，任务2聚焦于CBCT到CT图像的转换。每个任务包含大脑和盆腔两个解剖区域的图像。数据采集自2018年至2022年，患者年龄从3岁到93岁不等，平均年龄为60岁。数据集采用了多种扫描仪型号和采集设置，反映了临床常规中的典型图像。为了满足深度学习应用的需要，每个子集被分为180个训练、30个验证和60个测试对象。

使用方法

使用SynthRAD2023 Grand Challenge dataset时，用户可以使用开源框架ITK或其简化接口SimpleITK读取和修改压缩的nifti图像。此外，用户可以使用开源软件3DSlicer在图形用户界面中查看nifti图像。数据集还包含了预处理脚本，提供了使用SimpleITK与Python交互的示例。数据集的结构和文件格式在数据集的文档中进行了详细说明，用户可以根据自己的需求进行数据的使用和开发。

背景与挑战

背景概述

放射治疗中，医学成像技术发挥着至关重要的作用。传统的3D CT扫描虽然提供了准确的病人几何形状，但在剂量计算和计划优化方面仍存在局限性。为了解决这一问题，研究人员提出了使用图像合成技术生成所谓的“合成CT”（sCT），以提升CBCT图像质量。SynthRAD2023 Grand Challenge dataset正是在此背景下创建的，由荷兰三家大学的医学中心联合收集，旨在促进sCT生成算法的发展与评估。该数据集包含了1080对脑部和盆腔的CT、CBCT和MRI图像，涵盖了从2018年到2022年治疗的540名脑部放射治疗患者和540名盆腔放射治疗患者的影像资料，年龄跨度从3岁到93岁。数据集的创建对于推动放射治疗中图像合成算法的研究具有重要意义，为评估不同方法提供了公开的比较平台。

当前挑战

SynthRAD2023 Grand Challenge dataset面临的挑战主要包括：1) MRI-to-CT图像合成和CBCT-to-CT图像转换中的技术挑战，包括如何处理不同成像模态间的差异，以及如何有效地利用人工智能算法进行图像转换；2) 构建过程中所遇到的挑战，例如多中心数据收集的一致性问题，以及如何处理不同扫描仪和成像协议带来的数据差异。此外，数据集的回顾性收集方式限制了重建参数的选择，并且缺乏原始图像数据，使得无法研究重建方法对每个病人影像的影响。未来，提供原始数据或高分辨率计划CT的数据集可能有助于进一步研究噪声、图像重建和协议的影响。

常用场景

经典使用场景

SynthRAD2023 Grand Challenge dataset 是一个包含大脑和骨盆区域放射治疗患者 CT 图像的数据集，旨在促进放射治疗领域合成 CT 图像生成算法的研究与评估。该数据集提供了真实的多中心数据，涵盖了不同的采集协议和患者特征，为算法开发提供了丰富的训练和测试资源。数据集分为两个任务：任务 1 是基于 MRI 的合成 CT 图像生成，任务 2 是基于 CBCT 的合成 CT 图像翻译。该数据集在放射治疗领域具有广泛的应用前景，包括诊断、治疗计划、治疗监测和手术治疗。

解决学术问题

SynthRAD2023 Grand Challenge dataset 解决了放射治疗领域合成 CT 图像生成算法的研究与评估的难题。传统的 CBCT 图像由于散射噪声和截断投影的影响，重建过程中存在许多伪影，无法进行准确的剂量计算或重新规划。此外，将 MRI 注册到 CT 的流程增加了工作量和患者的辐射暴露，并引入了额外的模糊性和不确定性。该数据集通过提供真实的多中心数据，为算法开发提供了丰富的训练和测试资源，有助于提高合成 CT 图像的质量和准确性，从而改进放射治疗的效果。

实际应用

SynthRAD2023 Grand Challenge dataset 在放射治疗领域具有广泛的应用前景。首先，该数据集可以用于开发基于 MRI 的合成 CT 图像生成算法，从而减少患者对辐射的暴露，并提高诊断的准确性。其次，该数据集可以用于开发基于 CBCT 的合成 CT 图像翻译算法，从而实现更准确的剂量计算和治疗计划。此外，该数据集还可以用于开发 MRI-only 放射治疗计划算法，从而简化流程，降低治疗成本，并提高治疗效果。最后，该数据集可以用于开发放射治疗监测和手术治疗算法，从而提高放射治疗的安全性和有效性。

数据集最近研究

最新研究方向

随着放射治疗中影像学在诊断和治疗中的作用日益重要，尤其是对于脑部和盆腔区域的肿瘤患者，合成计算机断层扫描（sCT）的生成方法已经引起了广泛关注。SynthRAD2023 Grand Challenge dataset的数据集旨在促进sCT生成方法的发展与评估，为放射治疗提供高质量的数据和评估指标。该数据集包含了1080对脑部和盆腔区域的CT、CBCT和MRI图像，涵盖了从3岁到93岁的患者群体，使用了不同的扫描仪模型和采集设置。该数据集的发布将为放射治疗领域的图像合成算法研究提供有力的支持，有助于推动MRI-only放射治疗计划、CBCT-based自适应放射治疗、诊断任务和手术计划等领域的研究与发展。

相关研究论文

• SynthRAD2023 Grand Challenge dataset: generating synthetic CT for radiotherapy

  格罗宁根大学医学中心放射肿瘤科 · 2023年