DeepUS-ReconSeg:用于医学成像重建和细分的多角度配对B模式超声数据集
Imrus Salehin1,2, Nazmul Huda Badhon1, Md Tomal Ahmed Sajib1
1Department of Computer Science and Engineering, Daffodil International University, Birulia, Savar, Dhaka, 1216, Bangladesh.
Data in brief
|October 13, 2025
概括
现在可以获得一组新的数据集,包括4200张人类前臂超声波图像. 这些数据支持深度学习,用于改进医学图像分析和解剖细分.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 深度学习模型需要大量高质量的数据集进行培训.
- 超声波成像是一种至关重要的诊断工具,但图像质量可能是一个局限性.
- 在超声波中对解剖结构的准确细分对于诊断至关重要.
研究的目的:
- 为了呈现人前臂B模式超声波图像的精选数据集.
- 促进深度学习算法的开发,用于超声波图像的重建和细分.
- 为医学成像研究社区提供公开可访问的资源.
主要方法:
- 采集了4200张灰度B模式超声图像,使用Verasonics Vantage 64LE系统与L11-5v传感器.
- 从14名健康受试者获得图像,捕捉了多种解剖视图和方向.
- 在 MATLAB .mat 格式中存储数据,并通过 Mendeley Data.com 公开提供.
主要成果:
- 一个包括4200张前臂超声波图像的综合数据集已经成功策划.
- 该数据集包括适合高级分析的高分辨率B模式图像.
- 数据涵盖了各种不同的解剖学观点和方向,用于强大的模型训练.
结论:
- 本文所介绍的数据集是推动医学图像分析领域深度学习的宝贵资源.
- 它将帮助研究人员开发改进的超声波图像重建和细分技术.
- 公共可用性促进了合作研究,加速了超声波诊断领域的创新.
更多相关视频
16:01An Experimental Protocol for Assessing the Performance of New Ultrasound Probes Based on CMUT Technology in Application to Brain Imaging
Published on: September 24, 2017
10.9K
08:523D Ultrasound Imaging: Fast and Cost-effective Morphometry of Musculoskeletal Tissue
Published on: November 27, 2017
23.9K
