論文の概要: SynthRAD2025 Grand Challenge dataset: generating synthetic CTs for radiotherapy

• arxiv url: http://arxiv.org/abs/2502.17609v1
• Date: Mon, 24 Feb 2025 19:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:19:17.191727
• Title: SynthRAD2025 Grand Challenge dataset: generating synthetic CTs for radiotherapy
• Title（参考訳）: SynthRAD2025 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の生成
• Authors: Adrian Thummerer, Erik van der Bijl, Arthur Jr Galapon, Florian Kamp, Mark Savenije, Christina Muijs, Shafak Aluwini, Roel J. H. M. Steenbakkers, Stephanie Beuel, Martijn P. W. Intven, Johannes A. Langendijk, Stefan Both, Stefanie Corradini, Viktor Rogowski, Maarten Terpstra, Niklas Wahl, Christopher Kurz, Guillaume Landry, Matteo Maspero,
• Abstract要約: SynthRAD2025データセットとグランドチャレンジは、合成CT生成の進歩を促進する。 対象は, 頭頸部癌, 胸部癌, 腹部癌患者の890例 (CBCTCT) と1472例 (CBCTCT) の2362例である。 データはMetaImage(mha)フォーマットで提供され、医療画像処理ツールとの互換性を確保する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Medical imaging is essential in modern radiotherapy, supporting diagnosis, treatment planning, and monitoring. Synthetic imaging, particularly synthetic computed tomography (sCT), is gaining traction in radiotherapy. The SynthRAD2025 dataset and Grand Challenge promote advancements in sCT generation by providing a benchmarking platform for algorithms using cone-beam CT (CBCT) and magnetic resonance imaging (MRI). The dataset includes 2362 cases: 890 MRI-CT and 1472 CBCT-CT pairs from head-and-neck, thoracic, and abdominal cancer patients treated at five European university medical centers (UMC Groningen, UMC Utrecht, Radboud UMC, LMU University Hospital Munich, and University Hospital of Cologne). Data were acquired with diverse scanners and protocols. Pre-processing, including rigid and deformable image registration, ensures high-quality, modality-aligned images. Extensive quality assurance validates image consistency and usability. All imaging data is provided in MetaImage (.mha) format, ensuring compatibility with medical image processing tools. Metadata, including acquisition parameters and registration details, is available in structured CSV files. To maintain dataset integrity, SynthRAD2025 is divided into training (65%), validation (10%), and test (25%) sets. The dataset is accessible at https://doi.org/10.5281/zenodo.14918089 under the SynthRAD2025 collection. This dataset supports benchmarking and the development of synthetic imaging techniques for radiotherapy applications. Use cases include sCT generation for MRI-only and MR-guided photon/proton therapy, CBCT-based dose calculations, and adaptive radiotherapy workflows. By integrating diverse acquisition settings, SynthRAD2025 fosters robust, generalizable image synthesis algorithms, advancing personalized cancer care and adaptive radiotherapy.
• Abstract（参考訳）: 医療画像は、現代の放射線治療、診断、治療計画、モニタリングに不可欠である。 シンセティック・イメージング,特にシンセティック・コンピュート・トモグラフィー(sCT)は放射線治療において注目を集めている。 SynthRAD2025データセットとGrand Challengeは、コーンビームCT(CBCT)とMRI(MRI)を用いたアルゴリズムのベンチマークプラットフォームを提供することで、sCT生成の進歩を促進する。 このデータセットには、ヨーロッパ5つの大学医療センター(UMC Groningen, UMC Utrecht, Radboud UMC, LMU University Hospital Hospital Hospital, and University Hospital of Cologne)で治療された頭頸部, 胸部, 腹部癌患者の890のMRI-CTと1472のCBCT-CTペアが含まれている。 データは多様なスキャナーとプロトコルで取得された。 剛性と変形可能な画像登録を含む前処理は、高品質でモダリティに整合した画像を保証する。 広範囲な品質保証は、画像の一貫性とユーザビリティを検証する。 全ての画像データはMetaImage (.mha)フォーマットで提供され、医療画像処理ツールとの互換性を確保する。 取得パラメータや登録の詳細を含むメタデータは、構造化されたCSVファイルで利用できる。 データセットの完全性を維持するため、SynthRAD2025はトレーニング(65%)、検証(10%)、テスト(25%)のセットに分割されている。 データセットはSynthRAD2025コレクションの下でhttps://doi.org/10.5281/zenodo.14918089でアクセス可能である。 このデータセットは、放射線治療のためのベンチマークと合成イメージング技術の開発をサポートする。 ユースケースとしては、MRIのみのsCT生成、MR誘導光子/プロトン療法、CBCTベースの線量計算、適応放射線治療ワークフローなどがある。 多様な取得設定を統合することで、SynthRAD2025は、堅牢で一般化可能な画像合成アルゴリズムを育成し、パーソナライズされたがんケアと適応放射線治療を推進している。

関連論文リスト

• ARTInp: CBCT-to-CT Image Inpainting and Image Translation in Radiotherapy [1.70645147263353]
  ARTInpは画像インペイントとCBCT-to-CT翻訳を組み合わせた新しいディープラーニングフレームワークである。 ARTInpをSynthRad 2023チャレンジのCBCTとCTのペア画像のデータセットでトレーニングした。
  論文  参考訳（メタデータ） (2025-02-07T13:04:25Z)
• FedSynthCT-Brain: A Federated Learning Framework for Multi-Institutional Brain MRI-to-CT Synthesis [1.7239326521335454]
  Fed SynthCT-Brainは、脳画像におけるMRI-to-sCTのためのFederated Learning(FL)パラダイムに基づいたフレームワークである。 U-Netモデルを用いて、ヨーロッパとアメリカの4つのセンターでフェデレーションを再現した。 このアプローチは、フェデレーションに属するセンターのデータを使用して実装され、フェデレーションの外側のセンターから見えないデータセットでテストされた。
  論文  参考訳（メタデータ） (2024-12-09T17:32:54Z)
• Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
  マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。 現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。 テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
  論文  参考訳（メタデータ） (2024-09-25T11:14:47Z)
• Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
  BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。 それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。 ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
  論文  参考訳（メタデータ） (2024-05-28T17:25:43Z)
• 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)
• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• SynthRAD2023 Grand Challenge dataset: generating synthetic CT for radiotherapy [0.0]
  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。
  論文  参考訳（メタデータ） (2023-03-28T21:38:25Z)
• COVID-19 CT Image Synthesis with a Conditional Generative Adversarial Network [26.12568967493797]
  コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。 リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。 深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
  論文  参考訳（メタデータ） (2020-07-29T07:20:06Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。