2DeteCT — A large 2D expandable, trainable, experimental Computed Tomography dataset for machine learning

要約

コンピューテーショナル イメージングの最近の研究は、画像再構成のための機械学習 (ML) 技術の開発に主に焦点を当てています。これには、測定データとグラウンドトゥルース画像から構成される大規模なトレーニング データセットが必要です。
しかし、X 線コンピュータ断層撮影 (CT) に適した実験データセットは不足しており、手法はシミュレートされたデータのみで開発および評価されることがよくあります。
私たちは、さまざまな画像再構成タスクのための ML 技術の開発に適した、多用途でオープンな 2D ファンビーム CT データセットをコミュニティに提供することで、このギャップを埋めています。
これを取得するために、私たちは柔軟性の高い研究室用 X 線 CT セットアップを利用した、洗練された半自動スキャン手順を設計しました。
形状と密度の自然変動が大きいサンプルの多様な混合を、高い角度および空間分解能と 3 つの異なるビーム特性 (高忠実度、低線量、およびビーム) でスライスごと (合計 5000 スライス) でスキャンしました。
-硬化付与モード。
さらに、堅牢性とセグメンテーションタスクに対応するために、サンプルとビームを変化させて 750 の分布外スライスをスキャンしました。
オープンソースのデータ処理パイプラインに基づいて、生の投影データ、参照再構築、セグメンテーションを提供します。

要約(オリジナル)

Recent research in computational imaging largely focuses on developing machine learning (ML) techniques for image reconstruction, which requires large-scale training datasets consisting of measurement data and ground-truth images. However, suitable experimental datasets for X-ray Computed Tomography (CT) are scarce, and methods are often developed and evaluated only on simulated data. We fill this gap by providing the community with a versatile, open 2D fan-beam CT dataset suitable for developing ML techniques for a range of image reconstruction tasks. To acquire it, we designed a sophisticated, semi-automatic scan procedure that utilizes a highly-flexible laboratory X-ray CT setup. A diverse mix of samples with high natural variability in shape and density was scanned slice-by-slice (5000 slices in total) with high angular and spatial resolution and three different beam characteristics: A high-fidelity, a low-dose and a beam-hardening-inflicted mode. In addition, 750 out-of-distribution slices were scanned with sample and beam variations to accommodate robustness and segmentation tasks. We provide raw projection data, reference reconstructions and segmentations based on an open-source data processing pipeline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google