OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography
医学物理
2026-02-03 v2 计算机视觉与模式识别
摘要
前列腺癌是最流行且最致命的男性癌症之一，推动了发展准确且可及的成像技术用于早期检测。超声计算机断层扫描（USCT）重建定量组织参数，如声速（SOS），是现有模态的有前景的低成本替代方案。然而，前列腺 USCT 因受限角度获取、组织强异质性、骨骼引起的波动异扰以及缺乏大规模、解剖学上真实的数据集用于方法开发和评估而具有挑战。我们引入 OPENPROS，首个针对受限视角前列腺 USCT 的大规模基准数据集，旨在系统评估定量逆问题的机器学习方法。OPENPROS 包含超过 28 万对真实的 2D SOS 图和相应的超声全波形数据的样本，这些数据源自 4 例临床 MRI/CT 扫描和 62 例活体前列腺标本的解剖学准确的 3D 数字前列腺模型，配有实验超声测量。使用开源有限差分时域和 Runge-Kutta 求解器，在临床真实配置下模拟波传播。我们提供标准化的训练、分布内和分布外基准，并评估了代表性深度学习基线。虽然基于学习的方法在推理速度和重建精度方面显著优于基于物理的方法，但结果仍突显了在鲁棒性、泛化性和高分辨率重建质量方面的持久挑战。通过公开发布 OPENPROS，我们建立了一个严格的基准，支持逆问题、物理导向学习和算子学习研究，并弥合了机器学习研究与实际 USCT 部署之间的鸿沟。该数据集可在 https://open-pros.github.io/ 获取。
引用
@article{arxiv.2505.12261,
title = {OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography},
author = {Hanchen Wang and Yixuan Wu and Yinan Feng and Peng Jin and Luoyuan Zhang and Shihang Feng and James Wiskin and Baris Turkbey and Peter A. Pinto and Bradford J. Wood and Songting Luo and Yinpeng Chen and Emad Boctor and Youzuo Lin},
journal= {arXiv preprint arXiv:2505.12261},
year = {2026}
}