DoseRAD2026

DoseRAD2026数据集是一个大规模、多模态的放射治疗数据集，旨在支持快速准确的辐射剂量计算和预测方法的开发与基准测试。该数据集包含配对的CT和MRI扫描、基于蒙特卡洛模拟的光子和质子剂量分布以及束流配置参数。公开可用的训练集包含75名患者及其对应的剂量图，而初步测试集和测试集仅用于挑战赛的评估。数据集适用于放射治疗领域的剂量计算和预测任务，特别适用于实时剂量计算算法的开发和验证。数据集采用CC BY-NC 4.0许可，需通过引用相关文献使用。The DoseRAD2026 dataset is a large-scale, multi-modal radiotherapy dataset designed to support the development and benchmarking of fast and accurate radiation dose calculation and prediction methods. This dataset contains paired CT and MRI scans, Monte Carlo simulation-based photon and proton dose distributions, and beam configuration parameters. The publicly available training set includes 75 patients and their corresponding dose maps, while the preliminary test set and test set are only used for challenge evaluation. This dataset is applicable to dose calculation and prediction tasks in the field of radiotherapy, and is particularly suitable for the development and validation of real-time dose calculation algorithms. The dataset is licensed under CC BY-NC 4.0, and use of it requires citation of the relevant literature.

原始信息汇总

DoseRAD2026 数据集概述

数据集基本信息

• 数据集名称: DoseRAD2026
• 发布平台: Hugging Face
• 数据集地址: https://huggingface.co/datasets/LMUK-RADONC-PHYS-RES/DoseRAD2026
• 许可证: Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0)
• 标签: radiotherapy, dose-calculation, challenge, real-time

数据集目的与背景

• 该数据集是一个大规模、多模态的放射治疗数据集。
• 旨在支持和基准测试快速、准确的辐射剂量计算与预测方法的开发。
• 伴随 DoseRAD2026 实时光子和质子剂量计算挑战赛发布。
• 挑战赛主页: https://doserad2026.grand-challenge.org/
• 挑战赛代码仓库: https://github.com/DoseRAD2026/

数据内容与结构

数据构成

• 配对的CT和MRI扫描图像。
• 束流级别的蒙特卡洛模拟剂量分布（包含光子和质子）。
• 束流配置参数。

数据配置

数据集包含两个配置：

• photon: 对应光子数据文件。
• proton: 对应质子数据文件。

数据划分与获取

• 训练集: 包含75名患者及其对应的剂量图，在本仓库中公开可用。
• 初步测试集与测试集: 仅用于挑战赛提交结果的评估，不公开提供。

详细描述与引用

• 数据集的详细描述可通过以下链接获取: https://doi.org/10.5281/zenodo.19347848
• 使用本数据集时，请引用相关的文献资料。

数据下载方式

选项一：使用 huggingface_hub

通过Python代码或命令行工具下载整个数据集仓库。

选项二：使用 git

安装 git-lfs 和 git-xet 后，通过克隆仓库的方式下载数据。

搜集汇总

数据集介绍

构建方式

在精准放射治疗领域，剂量计算的准确性与效率是优化治疗方案的核心。DoseRAD2026数据集通过整合75例患者的配对CT与MRI扫描影像，结合光子与质子束的蒙特卡洛模拟剂量分布数据，构建了一个大规模多模态基准数据集。其构建过程严格遵循临床放疗流程，确保了医学影像与模拟剂量数据在空间上的一致性，为算法开发提供了高质量的配对训练样本。

特点

该数据集以其多模态特性与临床实用性著称，不仅涵盖了光子与质子两种主流放疗技术的模拟剂量数据，还提供了详细的束流配置参数。其结构设计支持实时剂量计算挑战，训练集公开可用，而测试集则专用于评估算法性能，确保了基准测试的公正性与严谨性。这种设计使得数据集能够有效推动快速、精准剂量预测方法的前沿研究。

使用方法

研究人员可通过Hugging Face Hub或Git工具下载该数据集，并利用其配对影像与剂量图进行模型训练与验证。数据集适用于开发深度学习模型，以预测放疗剂量分布，或用于参与DoseRAD2026挑战赛进行算法性能评测。使用时应遵循CC BY-NC 4.0许可协议，并在相关研究中引用指定的文献来源，以确保学术规范性。

背景与挑战

背景概述

放射治疗作为肿瘤治疗的核心手段之一，其疗效与安全性高度依赖于精准的剂量计算。传统基于蒙特卡洛模拟的剂量计算方法虽精度较高，但计算耗时较长，难以满足临床实时性需求。在此背景下，由LMUK-RADONC-PHYS-RES等机构的研究人员于2026年联合构建了DoseRAD2026数据集，旨在为快速、准确的放射剂量计算与预测方法提供大规模、多模态的基准数据。该数据集通过整合配对CT与MRI影像、光子与质子束流配置参数及蒙特卡洛模拟剂量分布，致力于推动实时剂量计算算法的创新，对优化放射治疗计划系统、提升治疗效率与个性化水平具有重要科学价值。

当前挑战

在放射治疗剂量计算领域，核心挑战在于平衡计算速度与物理精度。传统蒙特卡洛方法模拟粒子输运过程虽能提供高保真剂量分布，但其庞大的计算负荷阻碍了临床实时应用。DoseRAD2026数据集所针对的正是这一矛盾，旨在激励开发既能保持物理准确性、又能实现亚分钟级计算速度的新型算法。数据构建过程中亦面临多重挑战：多模态影像数据的精确配准与质量控制、蒙特卡洛模拟在不同束流配置下的大规模计算资源消耗，以及确保数据匿名化同时保留足够解剖与剂量学特征以供模型训练。这些挑战共同构成了该数据集推动领域技术进步的关键着力点。

常用场景

经典使用场景

在放射治疗物理领域，DoseRAD2026数据集为快速精准的剂量计算模型开发提供了关键基准。该数据集整合了配对CT与MRI影像、束流级蒙特卡罗模拟的剂量分布以及束流配置参数，其经典应用场景集中于训练和验证深度学习算法，以预测光子与质子放疗中的三维剂量分布。研究人员利用该数据集构建端到端的剂量预测网络，旨在替代传统耗时的蒙特卡罗模拟，实现治疗计划中的实时剂量评估，从而优化放疗流程并提升临床决策效率。

衍生相关工作

围绕DoseRAD2026数据集，已衍生出一系列经典研究工作，主要集中在深度学习驱动的剂量预测算法创新。例如，研究人员利用其多模态影像数据开发了基于U-Net、Transformer等架构的剂量分布预测模型，并在公开挑战中进行了性能比拼。这些工作不仅验证了数据驱动方法在剂量计算中的可行性，还促进了生成对抗网络、注意力机制等先进技术在放疗领域的应用。相关成果进一步催生了开源工具与基准框架，为后续研究提供了可扩展的技术范式与比较标准。

数据集最近研究

最新研究方向

在精准放射治疗领域，实时剂量计算是提升治疗效率与安全性的核心挑战。DoseRAD2026数据集以其大规模多模态特性，为光子与质子束的快速剂量预测算法开发提供了关键基准。当前研究前沿聚焦于融合深度学习与蒙特卡罗模拟，旨在构建高精度、低延迟的剂量分布模型，以支持自适应放疗的临床决策。该数据集伴随的国际竞赛正推动跨学科合作，加速了人工智能在放疗物理中的落地应用，对个性化癌症治疗方案的优化具有深远意义。