論文の概要: SynthRAD2023 Grand Challenge dataset: generating synthetic CT for
radiotherapy
- arxiv url: http://arxiv.org/abs/2303.16320v1
- Date: Tue, 28 Mar 2023 21:38:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 16:42:43.086473
- Title: SynthRAD2023 Grand Challenge dataset: generating synthetic CT for
radiotherapy
- Title(参考訳): SynthRAD2023 グランドチャレンジデータセット:放射線治療のための合成CTの作成
- Authors: Adrian Thummerer, Erik van der Bijl, Arthur Jr Galapon, Joost JC
Verhoeff, Johannes A Langendijk, Stefan Both, Cornelis (Nico) AT van den
Berg, Matteo Maspero
- Abstract要約: 本稿では,厳密に登録されたCBCTおよびMRI画像を用いた脳・骨盤CT画像のデータセットについて述べる。
このデータセットは、オランダの3つの大学医療センターの540人の脳と540人の骨盤放射線治療患者のCT、CBCT、MRIで構成されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Medical imaging has become increasingly important in diagnosing and
treating oncological patients, particularly in radiotherapy. Recent advances in
synthetic computed tomography (sCT) generation have increased interest in
public challenges to provide data and evaluation metrics for comparing
different approaches openly. This paper describes a dataset of brain and pelvis
computed tomography (CT) images with rigidly registered CBCT and MRI images to
facilitate the development and evaluation of sCT generation for radiotherapy
planning.
Acquisition and validation methods: The dataset consists of CT, CBCT, and MRI
of 540 brains and 540 pelvic radiotherapy patients from three Dutch university
medical centers. Subjects' ages ranged from 3 to 93 years, with a mean age of
60. Various scanner models and acquisition settings were used across patients
from the three data-providing centers. Details are available in CSV files
provided with the datasets.
Data format and usage notes: The data is available on Zenodo
(https://doi.org/10.5281/zenodo.7260705) under the SynthRAD2023 collection. The
images for each subject are available in nifti format.
Potential applications: This dataset will enable the evaluation and
development of image synthesis algorithms for radiotherapy purposes on a
realistic multi-center dataset with varying acquisition protocols. Synthetic CT
generation has numerous applications in radiation therapy, including diagnosis,
treatment planning, treatment monitoring, and surgical planning.
- Abstract(参考訳): 目的: 腫瘍患者の診断と治療, 特に放射線治療において, 画像診断がますます重要になっている。
合成ct(sct)生成の最近の進歩は、異なるアプローチをオープンに比較するためのデータと評価指標を提供するパブリックな課題に対する関心を高めている。
本稿では,放射線治療計画のための sCT の生成と評価を容易にするため,厳格に登録された CBCT 画像と MRI 画像を用いた脳・骨盤CT 画像のデータセットについて述べる。
取得と検証方法: このデータセットは、オランダの3つの大学医療センターから540個の脳と540個の骨盤放射線治療患者のCT、CBCT、MRIから成り立っている。
年齢は3歳から93歳まで変化し、平均年齢は60歳であった。
様々なスキャナーモデルと取得設定が3つのデータ提供センターの患者間で使用された。
詳細はデータセットを備えたCSVファイルで確認できる。
データはsynthrad2023のコレクションでzenodo(https://doi.org/10.5281/zenodo.7260705)で利用可能である。
各主題のイメージは nifti フォーマットで利用可能である。
潜在的な応用: このデータセットは、様々な取得プロトコルを持つ現実的なマルチセンターデータセット上で、放射線治療目的の画像合成アルゴリズムの評価と開発を可能にする。
合成CT生成は、診断、治療計画、治療モニタリング、手術計画など、放射線治療に多くの応用がある。
関連論文リスト
- RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳(メタデータ) (2024-04-25T17:11:37Z) - Large-scale Long-tailed Disease Diagnosis on Radiology Images [59.37561810438641]
本研究では,放射線画像における大規模大語彙疾患分類の問題点について検討する。
i)データセット構築では、39,026ケース(192,675スキャン)を含む930のユニークなICD-10-CMコードとリンクした5568の障害を含む、学術的にアクセス可能な大規模診断データセットを構築します。
さらに,本研究の最終モデルは事前学習モデルとして機能し,様々な外部データセットの診断に役立てることができる。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳(メタデータ) (2023-11-18T14:52:26Z) - A multi-institutional pediatric dataset of clinical radiology MRIs by
the Children's Brain Tumor Network [6.562299138758103]
我々は,1,526人の脳腫瘍患者の定期治療によって得られた,23,101個の多パラメータMRI検査の大規模データセットを提供する。
これには、様々ながん診断における縦方向MRI、関連する患者レベル臨床情報、デジタル病理スライド、および組織遺伝子型およびオミクスデータが含まれる。
論文 参考訳(メタデータ) (2023-10-02T17:59:56Z) - High-Fidelity Image Synthesis from Pulmonary Nodule Lesion Maps using
Semantic Diffusion Model [10.412300404240751]
肺がんは、長年にわたり、世界中でがん関連の死因の1つとなっている。
ディープラーニング、学習アルゴリズムに基づくコンピュータ支援診断(CAD)モデルは、スクリーニングプロセスを加速することができる。
しかし、堅牢で正確なモデルを開発するには、しばしば高品質なアノテーションを備えた大規模で多様な医療データセットが必要である。
論文 参考訳(メタデータ) (2023-05-02T01:04:22Z) - Integrative Imaging Informatics for Cancer Research: Workflow Automation
for Neuro-oncology (I3CR-WANO) [0.12175619840081271]
我々は,多系列ニューロオンコロジーMRIデータの集約と処理のための人工知能ベースのソリューションを提案する。
エンド・ツー・エンドのフレームワーク i) アンサンブル分類器を用いてMRIの配列を分類し, i) 再現可能な方法でデータを前処理し, iv) 腫瘍組織サブタイプを規定する。
欠落したシーケンスに対して堅牢であり、専門的なループアプローチを採用しており、セグメンテーションの結果は放射線学者によって手動で洗練される可能性がある。
論文 参考訳(メタデータ) (2022-10-06T18:23:42Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳(メタデータ) (2022-09-28T10:27:10Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳(メタデータ) (2022-06-07T06:35:48Z) - Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and
Transfer Learning [3.0797300440355997]
事前学習したディープニューラルネットワークに基づく手法を提案する。
それは手作業、すなわち99.60%の正確さのための最先端の性能に達しました。
189人の患者から3163枚の画像を含むデータセットが収集され、医師によってラベル付けされた。
論文 参考訳(メタデータ) (2021-04-24T13:12:20Z) - Multitask 3D CBCT-to-CT Translation and Organs-at-Risk Segmentation
Using Physics-Based Data Augmentation [4.3971310109651665]
現在の臨床実践では、放射線治療中の患者設定にのみ、ノイズとアーティファクトを付加した毎週のコーンビームCT画像が用いられる。
治療計画には, 高画質計画ct (pct) 画像とoars ( organ-at-risk) 構造の手輪郭を用いて, 治療開始時に一度行う。
OAR構造を同時にセグメンテーションしながら毎週CBCT画像の品質を向上させることができれば、放射線治療中の治療適応や治療応答のためのバイオマーカーの抽出に重要な情報を提供することができる。
論文 参考訳(メタデータ) (2021-03-09T19:51:44Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳(メタデータ) (2020-01-24T21:09:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。