2DeteCT——一个用于机器学习的可扩展、可训练的大型二维实验计算机断层扫描数据集
图像与视频处理
2023-09-26 v1 机器学习
摘要
近期计算成像研究主要集中于开发用于图像重建的机器学习(ML)技术，这需要由测量数据和真实图像组成的大规模训练数据集。然而，适用于X射线计算机断层扫描(CT)的实验数据集十分匮乏，相关方法往往仅在仿真数据上开发与评估。我们为此填补了这一空白，向学界提供一个通用、开放的二维扇束CT数据集，适用于开发一系列图像重建任务的ML技术。为获取该数据集，我们设计了一套复杂的半自动扫描流程，利用高度灵活的实验室X射线CT装置。我们扫描了形状与密度具有高度自然变化的多样化样本，逐层扫描(共计5000层)，具有高空角与空间分辨率，并采用三种不同的束流特性：高保真模式、低剂量模式以及束硬化影响模式。此外，还扫描了750层分布外切片，具有样本与束流变化，以适应鲁棒性与分割任务。我们提供了原始投影数据、参考重建结果以及基于开源数据处理流程的分割结果。
引用
@article{arxiv.2306.05907,
title = {2DeteCT -- A large 2D expandable, trainable, experimental Computed Tomography dataset for machine learning},
author = {Maximilian B. Kiss and Sophia B. Coban and K. Joost Batenburg and Tristan van Leeuwen and Felix Lucka},
journal= {arXiv preprint arXiv:2306.05907},
year = {2023}
}