OpenPros — 首个有限角前列腺超声计算机断层大规模基准

OpenPros

INFOBOX

属性	内容
全称	OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography
缩写含义	Open + Pros(tate)：开放的前列腺 USCT 基准
类型	仿真 + 真实解剖先验的混合型配对数据集（2D 声速图 ↔ 全波形超声数据）
首发机构	UNC-Chapel Hill、Johns Hopkins University 等 7 家机构联合
发表	ICLR 2026（poster）；arXiv:2505.12261（v1 2025-05-18 / v2 2026-02-01）
通讯作者	Youzuo Lin（UNC-Chapel Hill，SMILE Lab）
共同一作	Hanchen Wang（UNC）、Yixuan Wu（JHU）
样本规模	280,000+ 配对样本（附录精确值 280,080）
数据量	6.8 TB
解剖来源	4 例临床 MRI/CT + 62 例离体前列腺标本（共 66 个解剖来源）
任务	有限角全波形数据 → 2D 声速（SOS）定量重建
仿真求解器	开源 FDTD（空间四阶/时间二阶）+ Runge-Kutta 隐式声学求解器
激励/采样	1 MHz 峰值频率 Ricker wavelet；10 MHz 采样（dt=1e-7 s），1000 时间步=100 μs
SOS 网格	401×161 @ 0.375 mm，视场约 150 mm（轴）× 60 mm（横）
探头配置	经直肠 10 源 + 腹壁 10 源；322 接收器；有限角 -45°→+45°
标签	10 类器官掩码（含骨骼、前列腺、直肠、膀胱等）
划分	官网口径 train 224K / val 28K / test 28K；另设三种 OOD 协议
基线	beamforming、多频迭代 USCT（物理法）；InversionNet、VelocityGAN、ViT-Inversion（深度模型）
许可	数据 CC BY-NC-SA 4.0；代码 OSS/BSD-3
获取	官网 open-pros.github.io、GitHub hanchenwang/OpenPros、HuggingFace 镜像公开直链

§1 概述与身份

1.1 基本信息

OpenPros（全称 OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography，直译「OpenPros：面向有限视角前列腺超声计算机断层的大规模数据集」）是发表于机器学习顶会 ICLR 2026 的首个大规模公开基准数据集，服务于一个高度专门化的成像任务：在前列腺成像特有的有限角（limited-angle / limited-view）采集条件下，从仿真生成的超声全波形数据中重建定量的声速（Speed-of-Sound，SOS）图像。

数据集由北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill，UNC）与约翰斯·霍普金斯大学（Johns Hopkins University，JHU）牵头，联合宾夕法尼亚州立大学（Penn State）、QT Imaging 公司、美国国立卫生研究院（National Institutes of Health，NIH）、爱荷华州立大学（Iowa State University）与 Google DeepMind 共七家机构完成。

核心人物：

• 通讯作者：Youzuo Lin，UNC 数据科学与社会学院副教授，SMILE Lab 负责人；
• 共同一作：Hanchen Wang（UNC）与 Yixuan Wu（JHU）；
• 临床方合作者：NIH 的 Baris Turkbey、Peter A. Pinto 与 Bradford J. Wood，均为前列腺影像与介入方向的临床研究者；
• 产业方：QT Imaging 的 James Wiskin，USCT 设备研发领域的资深科学家。

论文于 2025 年 5 月 18 日首次公开于 arXiv（编号 2505.12261），2026 年 2 月 1 日更新为 ICLR 2026 camera-ready 对应的 v2 版本，并在 ICLR 2026 以 poster 形式正式发表。数据集同步在项目官网 open-pros.github.io 与 HuggingFace 公开发布，总数据量 6.8 TB。

1.2 身份定性：仿真与真实解剖先验的混合产物

理解 OpenPros 的身份，关键是分清它的两个组成部分各自「真」在哪里、「仿」在哪里。

真实的部分（解剖先验）：

• 3D 数字前列腺模型的解剖结构来自 4 例真实临床 MRI/CT 扫描。医学专家用 T2 加权 MRI 标注前列腺、直肠、膀胱、神经血管束、精囊腺等主要器官；用 T1 加权 MRI 分割脂肪组织；用 X-ray CT 分割骨盆骨骼。
• 62 例离体（ex vivo）前列腺标本的声速与衰减参数由 QT Imaging 的 QT scanner 实际测量获得，而非仅取文献均值。
• 因此，作为重建任务「真值」的声速图（SOS map），其解剖边界与组织声学参数都建立在真实临床影像与实测数据之上。

仿真的部分（波形信号）：

• 每个 2D 切片的超声全波形响应由开源的有限差分时域（Finite-Difference Time-Domain，FDTD）求解器与 Runge-Kutta 隐式声学求解器，基于声波方程数值计算得出。
• 波形是物理仿真产物，不是任何真实患者身上采集的 USCT 原始射频（Radio Frequency，RF）信号。
• HuggingFace 上的 NVIDIA OpenH-RF 数据卡明确写道：the RF measurements in this package are simulated rather than acquired in vivo（本包中的 RF 测量为仿真而非活体采集）。

因此 OpenPros 的正确表述是：「真实解剖 + 实测声学参数 + 物理仿真波形」的混合产物。它既不是纯合成数据（解剖完全真实），也不是真实采集数据（波形完全仿真）。

1.3 为什么必须走仿真路线

这样设计的根本原因是现实约束：

• 截至论文发表，获得 FDA 批准的 USCT 系统只有 SoftVue 与 QTscan 两款，均为全角度环形采集的乳腺专用设备，硬件形态完全不适用于前列腺；
• 前列腺的经直肠与经腹双路径采集只能在受限角度进行，且没有任何在用系统会输出「波形-真值声速图」配对数据；
• 也就是说，临床上根本不存在大规模「有限角前列腺 USCT 波形-声速图」配对数据可供采集；
• 纯合成数据（随机噪声体模）又缺乏解剖真实性，训练出的模型难以向真实解剖迁移。

OpenPros 用数字体模（digital phantom）路线填补了这一空白——与计算机视觉领域用渲染合成数据训练、再向真实图像迁移的思路同源，但解剖保真度要求高得多。

1.4 与常规 B 超的区别（重要概念澄清）

USCT 与常规 B 超（灰阶反射超声）的区别是理解本数据集的前提，也是最容易混淆的概念点：

• 测什么：B 超记录的是组织界面反射回来的回波强度，图像亮度对应声阻抗失配，输出的是形态学灰阶图像；USCT 测量的是声波在组织中的传播速度本身，重建的是每个像素上的定量物理量（单位：米/秒）。
• 成像几何：B 超是反射式成像，USCT 是透射式层析（tomography），需要源与接收器分列组织两侧。
• 为什么有价值：声速与组织的成分、密度、病理状态直接相关，恶性组织与良性组织存在可测的声速差异，因此 SOS 图可作为潜在的恶性生物标志物（biomarker），而非仅仅提供形态学轮廓。
• 现实意义：常规经直肠超声（TRUS）对临床显著前列腺肿瘤的灵敏度只有约 30%-50%，对前部与尖部病灶容易漏检；USCT 有望用比 MRI 便宜得多的设备提供定量组织表征，弥补这一短板。

1.5 规模与独特性

• 280,000 余个配对样本（附录精确值 280,080），每个样本是一张 2D 声速图与对应的全波形超声数据；
• 总数据量 6.8 TB；
• 解剖来源共 66 个：4 例患者级 MRI/CT 解剖 + 62 例离体前列腺标本；
• 论文对比表显示：既有公开 USCT 数据集几乎全部面向乳腺、不含骨骼结构、不模拟有限角采集；OpenPros 是唯一同时具备「有限角配置」与「骨盆骨骼」两项特征的公开 USCT 数据集。

这两项特征并非锦上添花，而是前列腺场景的本质难点：有限角决定了逆问题的病态程度，骨骼决定了声波畸变的严重程度。OpenPros 把这两个「最难」的维度直接做进了基准。

§0 导读与阅读指南

本条目是为「AI-Ready 医学数据集」检索者与评测者编写的百科式介绍。不同读者可以按以下路径取用：

• 快速判断是否适用：读 §1（概述与身份），重点 1.2（仿真/真实边界）与 1.4（与 B 超的区别）；
• 了解为什么造这个数据集：读 §2（临床与逆问题背景）；
• 关心数据长什么样：读 §4（构建流水线）与 §5（规模、命名、格式）；
• 要跑基准：读 §5.4（划分协议）、§6（基线与指标）、§7.5（下载实操）；
• 要引用或比较：读 §6.9（引用姿势）、§12（时间线）、§15（BibTeX）；
• 要避免踩坑：直接读 §8 与 §8.9（全部坑点）；
• 做数据治理评估：读 §9（DAIMS）与 §10.3-10.4（存照与疑点）。

一条贯穿全条目的主线提醒：OpenPros 是「真实解剖先验 + 物理仿真波形」的混合数据集。这句话在 §1.2、§8 坑 1、§13 Q1、§14 中反复出现，因为它是理解和使用该数据集的第一前提。

三个最容易出错的认知，先在此立牌：

1. 波形是仿真的——不要在论文或产品里把它表述为真实采集的 USCT 信号；
2. 解剖是真实的——不要把它归类为纯合成数据，其解剖与组织参数有临床与实测背书；
3. 28 万样本不等于 28 万独立受检者——样本多样性受限于 66 个解剖来源，泛化结论必须看 OOD 协议。

0.1 数据集一页速览

问题	一句话答案
这是什么	首个有限角前列腺 USCT 大规模公开基准（ICLR 2026）
谁做的	UNC + JHU 牵头，NIH / QT Imaging / Penn State / Iowa State / Google DeepMind 参与
数据是什么对	2D 声速图 ↔ 仿真全波形超声数据，28 万+ 对，6.8 TB
解剖从哪来	4 例临床 MRI/CT 专家分割 + 62 例离体前列腺实测声速
波形怎么来	开源 FDTD 与 Runge-Kutta 求解器，1 MHz Ricker 激励，20 源 322 接收
任务	全波形 → 声速图的定量重建（image-to-image / FWI）
协议	ID（224K/28K/28K）+ 三种 OOD
最强基线	ViT-Inversion（MAE 0.0067 / SSIM 0.9908 / 8.9 ms）
许可	数据 CC BY-NC-SA 4.0；代码 BSD-3 / OSS
获取	官网 + HuggingFace 公开直链，无注册门槛
最大局限	仿真非实测、患者解剖仅 4 例、ID 划分有解剖泄漏

§2 背景、动机与临床问题

2.1 前列腺癌早筛的成像困境

前列腺癌是男性中第二常见的恶性肿瘤，全球约八分之一的男性在其一生中会受其影响；一旦从局限期或区域期进展到远处转移，五年生存率会从接近 100% 骤降至约 34%。早期检出因此是降低前列腺癌死亡率的关键杠杆，而成像手段的选择始终在这一疾病的管理中处于核心位置。

现行两条主要成像路线各有硬伤：

• 多参数磁共振成像（multiparametric MRI，mpMRI）：对临床显著病灶的检出能力强，是当前影像端的事实标准；但设备昂贵、检查耗时、需要专业技师与读片医生，全球可及性有限，难以承担大规模筛查的角色。
• 经直肠超声（TransRectal Ultrasound，TRUS）：便宜、实时、普及，是穿刺活检的标准引导手段；但它是灰阶回波成像，软组织对比不足，对临床显著肿瘤的灵敏度只有约 30%-50%；由于前列腺前部靠近耻骨联合，常规超声路径对该区域病灶几乎「天然失明」。

这条「MRI 准但贵、超声便宜但盲」的鸿沟，正是 OpenPros 团队选择 USCT 作为突破口的原因。

2.2 USCT：测声速而不测回波

超声计算机断层（Ultrasound Computed Tomography，USCT）试图在两条既有路线之间开辟第三条路。其工作方式是：阵列排布的换能器从多个位置向组织发射声波，接收器记录声波穿透组织后的波形，再通过反演重建声速（SOS）、衰减等定量组织参数图。

与 B 超的三个本质区别值得展开：

• 测什么：B 超记录组织界面反射的回波强度；USCT 测量声波在组织中的传播速度本身，重建的是定量物理量。
• 为什么有价值：声速与组织成分和病理状态相关，SOS 图可作为潜在恶性生物标志物；定量参数也天然适合做纵向比较与算法处理，而灰阶回声受增益设置等机器参数影响、难以定量。
• 代价是什么：定量反演是一个严重的病态逆问题（inverse problem）。传统基于物理的迭代反演方法（如多频全波形反演）需要反复正演-比较-修正，单样本耗时从数小时到一整天不等，这是 USCT 至今未能临床普及的核心瓶颈之一。

2.3 前列腺 USCT 特有的「有限角」难题

乳腺 USCT 可以让换能器环完全包围乳房，实现全角度（full-view）采集；前列腺的解剖位置决定了超声只能从两条路径进入：

• 经直肠（transrectal）：探头伸入直肠，从后下方贴近前列腺——距离近、角度窄；
• 经腹（transabdominal）：探头放在下腹部体表，从上方穿过腹壁与膀胱指向前列腺——路径长，且被骨盆骨骼部分遮挡。

两条路径的可用角度范围有限，形成稀疏的有限角（limited-view / limited-angle）采集。再加上前列腺紧邻膀胱与骨盆骨骼，骨骼造成的声波折射、反射与模式转换进一步恶化重建质量。骨盆骨在经腹路径中既是解剖屏障又是声学屏障——它遮挡视野并扭曲波形，这正是 NCSA 报道中「盲区」（blind spots）问题的来源。这些问题叠加，使有限角前列腺 USCT 的逆问题比乳腺场景病态得多：观测角缺失直接导致解不唯一，正则化或先验知识成为必需。

2.4 逆问题视角：从波形到声速

把问题形式化：给定有限角采集的多源多接收波形数据，求解介质内的声速分布。这是一个典型的全波形反演（Full Waveform Inversion，FWI）问题——地球物理学中地震勘探的经典命题在医学超声中的对应物。

传统解法是迭代最优化：给定当前声速估计，用波动方程正演模拟波形，与实测波形比较，按梯度修正声速，循环往复直至收敛。其病态性与计算量的根源：

• 有限角观测导致目标函数存在多个局部极小；
• 波形对声速高度非线性；
• 每次正演本身就要解一次偏微分方程。

深度学习解法则把反演 amortize 成一次前向推理：在大量「波形-真值」配对数据上训练网络直接映射。前提是——得有大量配对数据。这正是数据集缺失的痛点。

2.5 为什么必须造一个数据集

深度学习方法（CNN、Transformer 等）在反问题中展现出远超传统迭代法的推理效率，但需要海量「波形-真值图」配对数据训练。困境在于：

• 真实临床 USCT 系统不存在前列腺形态（前述 FDA 设备均为乳腺全角度设计）；
• 纯合成数据（随机 blob 噪声体模）缺乏解剖真实性，学到的模型难以向真实解剖迁移；
• 既有公开 USCT 数据集几乎全部面向乳腺，不含骨骼、不模拟有限角。

OpenPros 的定位就是填补这一数据真空：既解剖真实（来自临床影像分割与离体实测参数）、又物理可信（高保真波动方程求解器）、还覆盖有限角与含骨场景、且规模足以训练深度模型。项目的大规模声波仿真在伊利诺伊大学香槟分校国家超级计算应用中心（National Center for Supercomputing Applications，NCSA）的 DeltaAI 超算上完成。

§3 机构、人物与研究团队

3.1 机构版图

机构	角色	相关人物
University of North Carolina at Chapel Hill（UNC）	牵头机构，SMILE Lab 所在地	Youzuo Lin（通讯）、Hanchen Wang（共同一作）、Yinan Feng、Luoyuan Zhang、Shihang Feng
Johns Hopkins University（JHU）	联合牵头	Yixuan Wu（共同一作）、Emad Boctor
The Pennsylvania State University	数值方法与机器学习	Peng Jin
QT Imaging, Inc.（Novato, California）	离体声学参数实测，乳腺 USCT 设备方	James Wiskin
National Institutes of Health（NIH）	临床资源与前列腺影像专长	Baris Turkbey、Peter A. Pinto、Bradford J. Wood
Iowa State University	数值求解	Songting Luo
Google DeepMind	机器学习	Yinpeng Chen

3.2 学科交叉特征

作者名单覆盖了从数值声学、USCT 系统工程、泌尿外科临床影像到机器学习逆问题的完整链条：

• 数值声学：FDTD 与 Runge-Kutta 两套求解器的设计与开源；
• USCT 工程：QT Imaging 与 Wiskin 曾深度参与乳腺 USCT 设备研发，对临床采集几何的设定提供系统级经验；
• 临床影像：NIH 团队长期从事前列腺 MRI、融合穿刺与局灶治疗，负责解剖标注的临床把关；
• 机器学习：Lin 团队的 InversionNet 系列工作提供深度基线与训练方法论。

这种组合是数据集质量的结构性保障：临床解剖由真正的影像专家标注，声学参数由专业设备实测，仿真配置由系统研究者按临床几何设定，基准协议则由 ML 研究者按顶会标准设计。

3.3 与地震反演的渊源

一个有趣的技术谱系：深度基线 InversionNet 原本是 Lin 团队 2019 年为地震勘探全波形反演（FWI）设计的网络（Wu & Lin，IEEE Transactions on Computational Imaging 2019）。地震学与超声层析共享「从波形反演介质参数」的数学结构，OpenPros 把这套跨域方法论正式迁移到医学超声场景，这也是数据集同时面向 physics-guided learning 与 operator learning 社区的原因。

3.4 高算力支撑

大规模波形仿真的算力由 NCSA 的 DeltaAI 超算提供。NCSA 的专题报道（From Image to Diagnosis in Milliseconds）指出，物理法重建一个样本需要小时级到天级的计算，而在此算力与数据支撑下训练出的深度模型可把单样本推理压缩到毫秒级——数据集、算力与算法三者的配合是该工程得以完成的物质基础。

§4 数据构建流水线：从临床影像到 28 万配对样本

OpenPros 的生成流水线分四个阶段，每一步都同时注入真实性与多样性。

4.1 阶段一：3D 数字前列腺模型构建

输入与标注：

• 输入为 4 例真实临床扫描（患者级 ID 3_01-3_04）。
• 医学专家用 T2 加权 MRI 勾画前列腺、直肠、膀胱、神经血管束、精囊腺、阴茎球、肛管等主要器官。
• T1 加权 MRI 用于分割脂肪组织。
• X-ray CT 用于分割骨盆骨骼——这是数据集含骨特征的结构来源。

参数注入：

• 62 例离体（ex vivo）前列腺标本在 QT scanner（QT Imaging, Inc.，Novato, California）上实测了声速与衰减，这些实测值（而非文献均值）被赋予前列腺组织本身，使目标组织的声学参数有真实测量背书。
• 前列腺以外器官的声速取自 ITIS 基金会人体组织声学数据库。
• 每个器官内部再用给定均值与标准差的高斯分布随机赋值，模拟组织异质性——避免了「每个器官一个常数声速」的过度简化，这正是论文强调 tissue heterogeneity 的实现方式。

产物：66 个解剖来源（4 患者 MRI/CT 模型 + 62 个离体前列腺）的 3D SOS 体与对应器官掩码体。前列腺级 ID 直接使用标本采集日期（如 2022-06-06、2022-06-09），血缘可追溯到天。

4.2 阶段二：有限角 2D 切片抽取

从 3D 体到 2D 体模的切片流程被设计得像一次真实的双探头检查，共五步：

1. 体装载与各向同性重采样：把分割掩码与 SOS 体重采样到统一 0.375 mm 网格，外部区域填充 1500 m/s 基线声速以模拟耦合剂（coupling gel）。
2. 初始探头布置：在分割出的直肠内取一对相距 6 cm 的有效点定义经直肠换能器线；腹壁换能器沿同一轴向前移 15 cm 布置。
3. 系统性旋转与平移：两条探头线联合从 -45° 旋转到 +45°（5° 步进），并在各笛卡尔方向 ±1 mm 平移——模拟临床中医生摆位的角度与位置变化，这正是「有限角」几何的来源。
4. 切片抽取：在每个探头配置下抽取同时包含两条探头线的 2D 平面，保留真实解剖界面、组织异质性与探头相对几何。
5. 随机扰动：每个旋转角再加 ±1° 抖动、每个换能器坐标加 ±1 mm 抖动，进一步扩充多样性。

该流程最终产出约 28 万个唯一的 2D SOS 体模切片。骨骼是否出现在切片中取决于探头角度与切面位置，因此数据天然覆盖无骨、小骨、大骨遮挡三种难度场景（见 §6.3，骨骼量与重建误差正相关）。

4.3 阶段三：声波仿真

对每个 2D 体模，用两种开源数值求解器仿真声波传播：

• FDTD 求解器：基于二维声波方程的有限差分时域方法，空间四阶、时间二阶精度，支持 GPU 与 CPU。论文附录 F 将其与社区常用的 k-Wave 伪谱方法做了对比验证，以证明仿真保真度。
• Runge-Kutta 求解器：隐式迭代声学求解器，数值稳定性更强，作者将其定位为未来 3D 扩展的基础。

两个求解器均作为开源组件随数据集发布，这是 OpenPros 的一个差异化设计：数据与生成数据的物理引擎同时开放，社区可以按需再生成、扩展或修改仿真配置。

仿真配置刻意贴近临床：

• 激励：1 MHz 峰值频率的 Ricker wavelet（雷克子波）。低频选择有利于穿透骨盆遮挡，符合经骨超声的频率选择逻辑。
• 采样：间隔 dt=1×10⁻⁷ s（即 10 MHz 采样率），每条波形记录 1000 个时间步，总时长 100 μs。
• 边界：120 网格点的吸收边界条件（Absorbing Boundary Condition，ABC），抑制人工反射伪影。

4.4 阶段四：波形采集几何

每个切片的采集布局为：

• 源（发射器）：20 个——腹壁侧 10 个 + 经直肠侧 10 个；
• 接收器：322 个——腹壁表面 161 个 + 直肠内 161 个；
• 发射-接收组合：4 种源/接收配置 × 10 个发射 = 40 个通道。四种组合分别是腹壁→腹壁、腹壁→直肠、直肠→直肠、直肠→腹壁；
• 波形张量：每个样本为 40（通道）× 1000（时间步）× 161（每侧接收器）的实值数组。

接收波形既包含穿透组织的直达波与折射波（携带声速走时信息），也包含器官界面与骨骼产生的反射、散射与模式转换，理论上完整保留了反演所需的运动学（走时）与动力学（振幅/相位）信息。这正是「全波形」（full-waveform）数据命名的含义——不是 B 超仪输出的已波束合成灰度图像，而是原始多通道射频波形。

4.5 流水线小结

阶段	输入	输出	真实性来源
3D 建模	4 例 MRI/CT + 62 例离体实测	3D SOS 体 + 器官掩码	专家分割 + 实测参数
2D 切片	3D 体	~28 万张 2D 体模	真实探头几何与有限角
波形仿真	2D 体模	全波形数据	声波方程数值解
打包分发	波形 + SOS + 掩码	NumPy 数据集	结构化命名与元数据

4.6 器官级建模细节

3D 数字体模型覆盖的盆腔器官及其建模方式，逐项说明如下（标签编号对应 §5.2 掩码表）：

• 肌肉（标签 0）：声速取 ITIS 数据库参考值，器官内以高斯分布施加异质性；肌肉在盆腔壁与盆底区域大面积出现，是波传播的主要背景介质之一。
• 脂肪（标签 1）：分割来自 T1 加权 MRI——脂肪在 T1 序列上信号明亮、边界清晰，是分割可靠性最高的组织之一；脂肪声速低于肌肉，其分布形态直接影响走时弯曲。
• 骨骼（标签 2）：分割来自 X-ray CT，是体模中信噪比和对比度都最极端的成分；骨骼声速显著高于软组织，且伴随强反射与模式转换，是波形畸变的主要来源（§6.4 的分层实验即基于此标签）。
• 前列腺（标签 3）：核心目标器官；声速不取文献均值，而是逐标本使用 62 例离体实测值，使不同标本的前列腺具有真实存在的个体间声速差异——这为「从声速图分辨标本」提供了物理基础。
• 肛管（标签 4）与直肠（标签 5）：经直肠探头线的定位直接依赖直肠分割——初始探头布置算法在分割出的直肠内取相距 6 cm 的两点；直肠腔内声学环境因此被真实保留。
• 膀胱（标签 6）：经腹路径的声窗所在；膀胱充盈状态影响经腹成像质量，4 例患者解剖保留了各自的膀胱形态差异。
• 神经血管束（标签 7）、阴茎球（标签 8）、精囊腺（标签 9）：前列腺周边细小结构；它们的存在使切片中保留了真实解剖界面与散射环境，而不是「前列腺悬浮在均质介质中」的过度简化。

标签 -1（unknown）覆盖分割未及的区域。这套器官表的一个工程优点是：使用者可以按标签重组自己的任务——例如只保留前列腺+直肠做简化二类体模，或按骨骼占比做难度筛选。

4.7 采集几何的数值细节

把 §4.2 与 §4.4 的几何参数合并成一张速查表：

参数	数值	含义
经直肠探头线长度	6 cm	直肠内有效点对间距
经直肠-腹壁轴向距离	15 cm	腹壁探头沿轴前移距离
旋转范围	-45° 至 +45°	双探头线联合旋转，模拟摆位
旋转步进	5°	约 19 个离散角度位
平移范围	±1 mm / 方向	各笛卡尔方向
角度抖动	±1°	随机扰动
坐标抖动	±1 mm	随机扰动
腹壁源/接收器	10 / 161	体表侧
经直肠源/接收器	10 / 161	直肠侧
总源 / 总接收器	20 / 322	每切片
发射-接收通道	40	4 配置 × 10 发射
网格间距	0.375 mm	各向同性重采样
SOS 网格	401 × 161	轴 × 横
视场	~150 mm × 60 mm	轴 × 横
耦合剂模拟	1500 m/s	外部填充基线声速

4.8 数据体量的数量级核算

为什么总数据量是 6.8 TB？做一次数量级核对（按 float32 估算，实际存储格式可能有压缩或精度差异，以下仅给量级）：

• 单样本波形：40 通道 × 1000 时间步 × 161 接收器 × 4 字节 ≈ 25.8 MB；
• 单样本 SOS 图：401 × 161 × 4 字节 ≈ 0.26 MB；
• 单样本掩码：401 × 161（小整型）≈ 0.06 MB 量级；
• 单样本合计 ≈ 26 MB 量级；
• 280,080 样本 × 26 MB ≈ 7.3 PB——远超 6.8 TB。

可见 6.8 TB 的官方口径远小于「全样本全波形 float32 展开」的理论上限，说明实际发布采用了某种压缩/降精度/选择性打包策略（或按文件打包 1140 样本时部分数据并非全量波形）。这一点论文正文未显式说明，使用者应以实际下载文件的形状与 dtype 为准，不要按本节推算值申请磁盘配额。（注：zea HDF5 变体 6.03 TB，与 6.8 TB 的差异属于不同打包口径。）

4.9 与 CT/MRI 分割建模的上游关系

OpenPros 的流水线开头是「先做 MRI/CT 分割建模」——这决定了它与纯 CV 分割数据集的一种血缘复用可能：任何提供高质量前列腺盆腔多模态分割的数据（CT/MRI 器官分割集），理论上都可以作为 OpenPros 式仿真的上游。OpenPros 自身的上游只有 4 例患者解剖，但其流水线是通用的：分割掩码 + 声速赋值规则 + 探头几何 → 体模 → 波形。这也是本条目在 §10.2 建议 prostate158 互链的原因——分割先验是两条数据链路的公共接口。

§5 数据规模、组织与格式

5.1 硬数字总表

维度	数值
配对样本总数	280,000+（附录精确 280,080）
总数据量	6.8 TB
训练/验证/测试（官网口径）	224K / 28K / 28K
训练/验证+测试（附录口径）	255,360 / 27,360
患者级解剖	4（ID 3_01-3_04）
离体前列腺标本	62
解剖来源合计	66
SOS 图形状	1140 × 1 × 401 × 161（样本 × 通道 × 轴向 × 横向）
波形形状	1140 × 40 × 1000 × 161
网格间距	0.375 mm（各向同性）
视场	约 150 mm（轴向）× 60 mm（横向）
源/接收器	20 源（腹壁 10 + 经直肠 10）/ 322 接收器（161 + 161）
通道数	40（4 种源-接收配置 × 10 发射）
时间采样	dt=1e-7 s（10 MHz），1000 步，总时长 100 μs
激励	1 MHz 峰值频率 Ricker wavelet
吸收边界	120 网格点
探头角度范围	-45° 至 +45°，5° 步进，±1° 抖动
平移范围	±1 mm，附加 ±1 mm 抖动
经直肠探头间距	6 cm
经直肠-腹壁探头轴向距离	15 cm
外部填充声速（耦合剂模拟）	1500 m/s
器官类别	10 类 + unknown（标签 -1）

（注：1140 是单个 .npy 文件内打包的样本数；1140 × 若干文件 ≈ 28 万总样本。）

5.2 文件命名与内容

数据文件遵循结构化命名 3_0{i}P{Date}_{Category}.npy：

• {i} 为患者 ID（1-4）；
• {Date} 为唯一的前列腺标本采集日期标识；
• {Category} 为数据类型——data（超声波形）、mask（分割标签）、sos（声速图）。

例如 3_02_P_2022-06-06_sos.npy 即患者 3_02、标本 2022-06-06 的 SOS 数据。这种命名把解剖血缘直接编码进文件名，使用者可以轻易按患者或按标本聚合与切分。

器官掩码的标签表如下（HuggingFace 数据卡口径）：

标签	器官
0	muscle（肌肉）
1	fat（脂肪）
2	bone（骨骼）
3	prostate（前列腺）
4	anal canal（肛管）
5	rectum（直肠）
6	urinary bladder（膀胱）
7	neurovascular bundles（神经血管束）
8	penile bulb（阴茎球）
9	seminal vesicles（精囊腺）
-1	unknown（未知/背景）

这张 10 类器官表的价值在于它把「骨」显式编码进了标签——使用者可以零成本统计每张切片的骨骼遮挡程度并复现论文的难度分层实验（§6.3），也可以做器官级误差分析（例如误差集中在前列腺边界还是骨骼界面）。

5.3 格式与分发渠道

原始格式：

• NumPy .npy 数组，从 HuggingFace 公开下载；
• 社区镜像 ashynf/OpenPros 标注 cc-by-nc-sa-4.0，规模类别 n>1T；
• 在部分网络环境下 HuggingFace 主站不可直连，可走 hf-mirror.com 镜像。

zea HDF5 变体：

• NVIDIA 的 OpenH-RF 数据集收录了 unc-openpros 子包，用 convert.py 把原始 NumPy 转为 zea HDF5 格式（248 个文件，6.03 TB）；
• 该转换把原始四个 10 发射块重排为物理意义上的 20 发射 × 322 接收表示，四种源-接收组合分别是：腹壁源→腹壁接收、腹壁源→直肠接收、直肠源→直肠接收、直肠源→腹壁接收；
• HDF5 文件额外存储源位置、探头几何、扫描参数、受试者标识与 SOS 笛卡尔坐标；
• 转换器不做解调、抽取、滤波或归一化——保持原始 RF 值。

代码与权重：

• GitHub 仓库 hanchenwang/OpenPros 提供基准代码与两个开源求解器；
• InversionNet 与 ViT-Inversion 预训练权重经 Google Drive 公开。

社区支持：

• 官方 Google Group（openfwi 组）用于问题讨论；
• 团队承诺长期维护平台并响应社区反馈。

5.4 数据划分与评估协议

OpenPros 的评估协议是其作为「基准」的核心设计，分三个层级。

In-distribution（ID）：

• slice 级随机 90%/10% 切分；
• 官方项目页给出的规模口径为 train 224K / val 28K / test 28K；
• 需要特别指出：ID 切分按切片随机进行，同一 3D 解剖的不同切片会同时出现在训练集与测试集——这是论文自己承认的乐观偏置来源，衡量泛化必须看下面的协议。

三种 Out-of-distribution（OOD）协议：

• Patient-level OOD：训练只用患者 3_01-3_03 的数据，测试用完全未见过的患者 3_04；
• Leave-one-prostate-out OOD：训练用 60 个前列腺标本，留出 2 个（采集日期 2022-06-06 与 2022-06-09）做测试；
• Combined OOD：训练只用患者 3_01-3_03 的 60 个前列腺，测试用患者 3_04 的其余 2 个前列腺——解剖与标本双重未见，是最严格的协议。

这套分层协议的设计意图明确：ID 衡量插值能力，OOD 衡量向新解剖的外推能力，两者的差距就是「背解剖」成分的量化。

§6 任务、基准结果与发现

6.1 任务定义

OpenPros 的标准任务是把前列腺 USCT 重建建模为 image-to-image 学习问题：

• 输入：40 通道多源全波形数据（或多通道特征表示）；
• 输出：401×161 的定量 SOS 图；
• 监督信号：仿真时已知的真值声速图。

任务同时可从全波形反演（FWI）视角理解——这是地球物理学的经典逆问题，OpenPros 把它的医学版本做成了可复现基准。

评估指标四个：

• MSE（均方误差）：像素级平方差均值；
• MAE（平均绝对误差）：对离群更稳健；
• SSIM（结构相似性）：在归一化声速图上衡量结构保真；
• PCC（皮尔逊相关系数）：像素级线性相关。

前两个越低越好，后两个越高越好。

6.2 五个基线与代表性成绩

论文与官方项目页共评测五类重建方法，覆盖物理法与深度学习两大阵营。

方法	类型	ID 测试 MAE↓	RMSE↓	SSIM↑	PCC↑	推理耗时/样本
Delay-and-Sum beamforming	物理（B 超式延迟叠加）	—	—	—	—	约 4 小时
多频迭代 USCT（物理法 FWI）	物理（三阶段多频迭代）	未报告	≈0.16	~0.90	—	约 24 小时
InversionNet（CNN）	深度	0.0073	0.0297	0.9876	0.9850	4.9 ms
VelocityGAN	深度（GAN 增强）	0.0605	0.1210	0.9624	0.9113	—
ViT-Inversion（Transformer）	深度	0.0067	0.0268	0.9908	0.9892	8.9 ms

（表内数字为官方项目页口径；arXiv v2 Table 4 的个别数字略有出入，见 §10.3 存照。）

模型规模：InversionNet 约 20.45M 参数，ViT-Inversion 约 28.33M 参数。

核心结论有三条：

1. 效率碾压：深度模型单样本推理 4.9-8.9 ms，物理迭代法约 24 小时——约六个数量级的差距。这是「深度学习方法在推理效率与重建精度上显著优于传统物理算法」这一论文主结论的直接证据，也是 NCSA 报道标题「From Image to Diagnosis in Milliseconds」（从影像到诊断只需毫秒）的出处。
2. 精度领先但仍不达标：ViT-Inversion 在全部指标上最优，但论文明确指出当前 ML 方法尚不能给出临床可接受的高分辨率重建——前列腺内部细微结构仍无法解析。深度模型的表观高 SSIM（约 0.99）部分得益于组织大块的平滑结构；对细小腺体与病灶的分辨能力仍未解决。
3. 泛化与鲁棒性缺口：OOD 协议下性能下降明显；论文将 generalization、robustness 与 uncertainty quantification 并列为三大未解决挑战。

6.3 噪声鲁棒性实验

论文在输入波形上叠加高斯噪声（σ=0.01 / 0.02 / 0.05，对应输入 PSNR 约 26 / 23 / 19 dB），考察深度基线的鲁棒性。代表性结果（σ=0.05）：

模型	SSIM	PCC
ViT-Inversion	0.9347	0.7965
InversionNet	0.8252	0.3881

ViT-Inversion 的 PCC 是 InversionNet 的约两倍，说明 Transformer 架构对噪声显著更稳健；而 CNN 基线在重噪声下 PCC 跌到 0.39 附近，已接近不可用。这一发现对真实场景迁移有直接指导意义——真实采集系统的噪声水平远高于理想仿真。

6.4 骨骼难度分层

利用掩码天然携带的骨骼信息，附录 A.7 给出了 ViT-Inversion 在 ID 测试上的视角难度分层：

场景	切片数	MAE
无骨骼（no bones）	7,063	0.0046
小骨骼遮挡（small bones）	6,694	0.0059
大骨骼遮挡（big bones）	13,603	0.0082

三个观察：

• 骨骼遮挡越多误差越大，误差几乎随遮挡程度单调上升；
• 大骨骼场景占测试切片近半（13,603 / 27,360），说明「穿骨成像」正是该任务难度的主导来源；
• 这组分层只有在「含骨」数据集上才可能做出——这正是 OpenPros 与乳腺 USCT 数据集的本质区别，也是它作为基准的信息增量所在。

6.5 训练配置（基线复现参考）

深度基线使用：

• 优化器：Adam，学习率 1×10⁻⁴；
• batch size：512；
• 硬件：NVIDIA H100 GPU；
• 调度：早停策略；epochs 上限正文写 120、附录 Table 6 写 240（存照，见 §10.3）；
• 训练成本：InversionNet 约 240 GPU 小时，ViT-Inversion 约 128 GPU 小时。

预训练 checkpoint 已随数据集公开（Google Drive），可直接复现推理结果，无需重训。

6.6 与既有 USCT 数据集的对比

论文在数据集特色对比表中把 OpenPros 与既有公开 USCT 数据集做了逐维度对照，核心差异点整理如下：

维度	既有公开 USCT 数据（乳腺为主）	OpenPros
目标器官	乳腺	前列腺及男性盆腔
采集几何	全角度环形	有限角（经直肠 + 经腹，-45° 至 +45°）
骨骼结构	不含	含（X-ray CT 分割骨盆骨骼）
解剖真实性	简单体模或均质假设	临床 MRI/CT 专家分割 + 离体实测参数
组织异质性	弱或无	高斯分布逐器官异质赋值
规模	数百至数千切片量级	280,000+ 配对样本，6.8 TB
配套求解器	通常不公开	开源 FDTD + Runge-Kutta 双求解器
评估协议	各自为政	ID + 三种 OOD 标准协议

需要说明：表中「既有数据」一栏是按论文对比表的定性描述归纳，个别乳腺数据集的具体规模数字本条目未逐一核实，读者引用时应以论文原文对比表为准。结论性的两句话是可靠的：OpenPros 是唯一同时打勾 Bones 与 Limited angle 的公开数据集，也是规模最大的前列腺 USCT 数据集。

6.7 相关工作坐标系

与 OpenPros 同谱系或同方法论的工作，可以帮助定位它的学术坐标：

• InversionNet（Wu & Lin，2019，IEEE TCI）：地震全波形反演的 CNN 基线，OpenPros 深度基线之一的前身；
• VelocityGAN：在 InversionNet 基础上引入对抗训练的改进，同样出自地震 FWI 社区后被迁移；
• OpenWaveS（2025）：同期出现的大规模解剖真实超声 CT 数据集（面向神经波方程求解基准），与 OpenPros 属于同一「仿真 + 解剖先验」数据范式在超声方向的并行实践；
• k-Wave：社区广泛使用的声学仿真工具箱，OpenPros 附录 F 以其为参照验证自研求解器保真度；
• QTscan / SoftVue：FDA 批准的乳腺 USCT 商用系统，代表了 USCT 技术的当前临床落地高度，也反衬了前列腺方向的设备空白。

（OpenWaveS 仅作为论文参考文献提及，本条目未独立核实其细节。）

6.8 复现指南（分角色）

数据用户（只想拿数据跑模型）：

1. 从官网 /datasets 页或 HuggingFace 下载 NumPy 数据（注意体量 6.8 TB，规划磁盘）；
2. 按文件名解析患者/标本/类型三元组，自行组织 train/val/test 索引；
3. 对齐论文协议：ID 用随机 90/10，OOD 按患者级或标本级切分；
4. 从 GitHub 仓库拉取基线代码与 checkpoint 直接评测。

方法开发者（想训练新模型）：

1. 输入表示：40 通道波形可直接作多通道输入，或先抽取走时/包络等特征；
2. 输出：401×161 单通道 SOS 图，像素值即声速；
3. 损失建议：MAE + SSIM 组合（与论文指标对齐）；
4. 训练参考配置：Adam、lr 1e-4、batch 512、H100、早停；
5. 评测必须同时报告 ID 与至少一种 OOD，建议再分骨骼三档报告。

仿真扩展者（想改采集几何或再生成数据）：

1. 两个开源求解器均在 GitHub 仓库内，GPU/CPU 双支持；
2. 可修改源/接收器布局、激励波形、采样参数后重新正演；
3. 修改后建议先与 k-Wave 或论文配置做一致性校验（参照附录 F 的对比方法）。

6.9 结果的正确引用姿势

引用 OpenPros 基线数字时，建议固定附带四个限定语：

• 仿真基准：指标在仿真真值上计算；
• ID 或 OOD：明确标注协议，避免 ID 数字被误读为泛化能力；
• 骨骼分层：引用总体数字时注明混合了无骨/小骨/大骨三档场景；
• 归一化口径：MAE/RMSE 在归一化声速尺度上计算，不直接等于 m/s 绝对误差。

这四个限定语缺失任何一个，引用都可能产生系统性误读。

§7 许可证、获取方式与版本链

7.1 许可结构

资产	许可	渠道
数据本体（SOS / 波形 / 掩码 .npy）	CC BY-NC-SA 4.0	官网 datasets 页 / HuggingFace 公开直链
基准与求解器代码	OSS license + BSD-3 双许可	GitHub hanchenwang/OpenPros
预训练权重（InversionNet / ViT-Inversion）	随代码发布	Google Drive 公开下载
NVIDIA OpenH-RF 内 unc-openpros 子包	README 标注 CC-BY 4.0（存照：与论文口径冲突，以论文 CC BY-NC-SA 4.0 为准）	HuggingFace nvidia/OpenH-RF

许可要点：

• 数据为非商业（NonCommercial）许可：商用或闭源衍生需另行向作者团队授权；
• 相同方式共享（ShareAlike）：二次分发衍生数据须沿用同一许可；
• 代码则宽松得多（BSD-3），求解器可自由用于工程集成；
• 论文附录 A（OpenPros Public Resources and Licenses）是许可信息的权威出处；
• NVIDIA OpenH-RF 包内 README 声称 CC-BY 4.0 与作者论文附录 A 的 CC BY-NC-SA 4.0 表述冲突，本条目以论文口径为准并予以存照（见 §10.3）。

7.2 获取路径汇总

• 项目主页：https://open-pros.github.io/（数据集下载页在 /datasets 子路径）；
• ICLR 2026 论文：arXiv:2505.12261；OpenReview forum id=kcFEpBagea；ICLR virtual poster 页面编号 10007771；
• 代码仓库：https://github.com/hanchenwang/OpenPros；
• HuggingFace 镜像：ashynf/OpenPros（原始 NumPy，n>1T）；
• NVIDIA OpenH-RF：unc-openpros 子包（zea HDF5，248 文件 / 6.03 TB）；
• 社区讨论：Google Group openfwi；
• 相关报道：NCSA 专题 From Image to Diagnosis in Milliseconds。

整条链路无注册、无申请、无 gated 环节，6.8 TB 全量可公开直下，属于 AI-Ready 光谱中获取友好度最高的开放档；唯一门槛是体量本身（下载与存储需要 TB 级规划）。

7.3 版本链

• v1（2025-05-18）：arXiv 首发与数据集首次公开。HF 数据卡将 Dataset Creation Date 记为 05/18/2025。v1 作者列表包含 Yiming Mao。
• v2（2026-02-01）：ICLR 2026 camera-ready 对应版本。作者列表调整（不再列 Yiming Mao），补充 OOD 协议、骨骼分层实验与 k-Wave 对比等内容。
• 数据集本体未见官方独立版本号声明（如 v1.0 / v2.0），以下载时点内容为准——列为遗留疑点（见 §10.4）。

7.4 复现资源清单

论文附录 A 列出的公开资源一揽子覆盖了复现全链路：

• 数据（NumPy，官网/HF 下载）；
• 两个声波求解器（开源，GPU/CPU 双支持）；
• 基准代码（GitHub，含训练与评估脚本）；
• 两个深度基线的预训练 checkpoint（Google Drive）；
• 社区讨论组（Google Group）。

这种「数据 + 物理引擎 + 代码 + 权重」四位一体的发布方式，在医学影像数据集中属于完备度较高的类型。

§8 使用坑点与避坑指南

坑 1：把 OpenPros 当成「真实采集的前列腺 USCT 数据」。

这是最危险的误读。波形是 FDTD/Runge-Kutta 仿真产物，真实成分是解剖结构（MRI/CT 分割）与组织声学参数（离体实测）。任何宣称在「真实 USCT 信号」上验证的表述都必须修正为「在解剖真实的仿真波形上」。向真实采集系统迁移时存在不可避免的仿真-实测域差距（domain gap）。正确用法是把它当作方法开发与公平比较的训练场，而非临床性能的直接证据。

坑 2：与常规 B 超混淆。

USCT 测的是声速（SOS，透射定量参数），B 超测的是回波强度（反射灰阶图像）。OpenPros 的波形数据是原始多通道射频（pre-beamforming），不是 B 超仪输出的已合成灰度帧；用过 B 超图像数据的团队不能按经验直接套处理流程——没有波束合成、没有增益调节，信号是时空双维的原始波形张量。可视化时也需专门处理（例如画 wiggle 图或逐道波形曲线），普通图像查看器看不了。

坑 3：只看 ID 指标就下泛化结论。

ID 划分是 slice 级随机的 90/10，同一 3D 解剖的相邻切片同时出现在训练与测试两侧——28 万样本实际只来自 66 个解剖来源，ID 集间的相关性极强，SSIM 约 0.99 的漂亮数字包含大量「背解剖」成分。评估模型泛化必须跑 patient-level、leave-one-prostate-out 或 combined OOD 协议，且 OOD 下降幅度才是临床迁移能力的真实代理。任何只报告 ID 指标的后续工作都应被视为证据不完整。

坑 4：忽视骨骼与有限角这两个设计特征。

OpenPros 的价值恰恰在于它是唯一同时含骨盆骨骼与有限角配置的公开 USCT 数据；若使用者按乳腺全角度数据集的假设（无骨、全视角）写预处理与评估代码，会把最有区分度的实验维度（§6.4 的骨骼分层）直接丢掉。有限角几何也意味着基于全角度假设的解析重建方法（如经典 CT 的滤波反投影类思路）在此不适用——这本来就是数据集要暴露的问题。

坑 5：数据体量与内存规划不足。

6.8 TB 总量、单个 .npy 文件打包 1140 个样本（波形文件 1140×40×1000×161 float，单文件即数十 GB），随机访问粒度粗。建议：按文件流式读取；必要时用 zarr/HDF5 重切块；训练脚本从逐样本随机 shuffle 改为文件内 shuffle 或预采样索引。HuggingFace 主站在部分网络环境不可直连，可用 hf-mirror.com 镜像。

坑 6：许可证混用。

数据是 CC BY-NC-SA 4.0（非商业、相同方式共享），代码是 BSD-3（宽松）。把数据或其衍生模型装进商业产品会违反 NC 条款；NVIDIA OpenH-RF README 的 CC-BY 4.0 表述不能作为许可依据（以论文口径为准）。二次分发 SOS/波形数据必须保留相同许可。在合成数据上训练的模型权重是否受 NC 约束存在法律灰色地带，商用前建议直接咨询作者团队。

坑 7：把「仿真质量」当成「临床质量」评估。

SSIM/PCC 等指标是在仿真真值上计算的；论文自己强调当前深度模型尚无法解析前列腺内部细结构、达不到临床可接受分辨率。引用 OpenPros 基线数字时应带上「仿真基准」限定语，避免读者误读为临床影像性能。与临床文献中的检出灵敏度/特异度数字并列时必须加注模态与数据性质差异。

坑 8：版本引用混乱。

arXiv v1 与 v2 的作者列表（Yiming Mao 有无）、基线指标（Table 4 与项目页数字差异）、epochs 上限（120 vs 240）均存在版本间不一致。引用时明确指明版本（建议引用 ICLR 2026 定稿即 v2），复现实验以仓库最新代码与 checkpoint 为准。引用 v1 时注意不要沿用已删除的作者名单。

7.5 下载实操步骤

按不同用户画像给出实操路径。

普通研究者（Python 环境）：

1. 安装 huggingface_hub（或使用 hf-mirror.com 镜像端点）；
2. 从 ashynf/OpenPros 镜像按文件下载（建议按患者 ID 分批）；
3. 解析文件名三元组（患者/标本/类型）建立索引表；
4. SOS 与 mask 可直接 np.load；波形文件较大，建议 mmap_mode 或分块读取。

偏好 HDF5 的用户：

1. 从 NVIDIA OpenH-RF 获取 unc-openpros 子包（248 个 zea HDF5 文件，6.03 TB）；
2. 使用其提供的 convert.py 可从原始 NumPy 自行转换；
3. 注意该格式已把四个 10 发射块重排为 20 发射 × 322 接收的物理布局；
4. raw_data 通道区间与源/接收侧的对应关系见 §5.3 所引 README 表。

复现基线的用户：

1. git clone https://github.com/hanchenwang/OpenPros；
2. 按仓库 README 下载数据与预训练 checkpoint；
3. 先跑推理脚本验证 checkpoint 与数据版本匹配；
4. 再决定是否重训；重训参考 §6.5 配置。

带宽敏感用户：

• 6.8 TB 在千兆带宽下约需 15 小时以上的连续下载；
• 建议优先下载 SOS 与 mask（体积小、可先行做统计分析与难度筛选）；
• 波形按需分批拉取；
• 或先用 zea HDF5 子包做试点。

8.9 补充坑点：评估实现细节

除 §8 的八大坑外，再补三个实现层面的细节坑。

坑 9：SSIM/PCC 的归一化口径不一致。不同实现会在不同数值域计算 SSIM（原始 m/s、min-max 归一化、逐样本归一化等），结果差异显著。与论文数字对比时必须复现其归一化方式（论文附录 D 给出指标定义），否则对比无效。

坑 10：OOD 切分的数据泄漏。实现 patient-level OOD 时，若数据加载器按文件顺序或随机划分，会把 3_04 的切片混进训练集。必须按文件名前缀硬过滤，并在训练日志中打印解剖来源分布做断言检查。

坑 11：骨骼分层的判据歧义。no bones / small bones / big bones 的判据（骨骼像素占比阈值）论文未给出可直接抄的实现参数；复现分层实验时应在掩码上自定阈值并做敏感性说明，不要假设与论文数值逐位一致。

§8A 基线方法的补充说明

Delay-and-Sum beamforming（延迟叠加波束形成）：

• 这是 B 超成像的经典算法：按几何路径延迟对齐各通道接收信号再叠加；
• 在 OpenPros 场景中它输出的是反射式图像而非定量 SOS 图，因此论文未给 MAE/SSIM 等定量 SOS 指标；
• 其耗时（约 4 小时/样本）来自有限角几何下的全通道处理成本；
• 列入基线的意义：展示「用 B 超思路处理 USCT 数据」的定性局限。

多频迭代物理法 USCT：

• 三阶段多频策略：从低频到高频逐段反演，缓解波形反演的非线性与局部极小；
• 在 ID 测试上 RMSE 约 0.16、SSIM 约 0.90，且单样本约 24 小时；
• 作为「物理正确但算不动」的代表，它是深度方法效率优势的参照系；
• 论文未报告其 MAE 与 PCC，本条目如实标注「未报告」。

InversionNet / VelocityGAN / ViT-Inversion：

• 三者共享「波形序列 → 声速图」的编码器-解码器骨架；
• VelocityGAN 引入对抗损失，但在本数据集上 MAE 反而明显差于 InversionNet（0.0605 vs 0.0073），说明 GAN 训练在特定数据分布上的不稳定性；
• ViT-Inversion 用 Transformer 替换 CNN 编码器，MAE、SSIM、PCC 全面最优，且噪声鲁棒性大幅领先（§6.3），是当前该基准的参考最优；
• 深度基线均以混合数据（含骨/无骨）训练，未按骨骼分层单独训练。

§8B 对后续研究方向的指引

论文在结论中点名了三个欠探索方向，与数据集特性一一对应：

• 物理引导学习（physics-informed learning）：把波动方程残差或走时约束嵌入损失，弥补纯数据驱动模型在 OOD 上的失效；
• 科学成像基础模型（foundation models for scientific imaging）：在 28 万样本上预训练的波形-图像编码器，有望迁移到其他透射成像模态；
• 不确定性量化（uncertainty quantification）：临床部署要求模型知道自己「不知道」——有限角与骨骼遮挡区域的不确定度图是走向临床的必备输出。

此外，从 OpenPros 的局限反推，还有三个自然延伸：

• 把衰减与密度参数纳入仿真，构造多参数反演基准；
• 3D 波形仿真（Runge-Kutta 求解器已被定位为 3D 扩展基础）；
• 仿真到真实（sim-to-real）适配：利用真实 TRUS 图像或离体标本实验数据做域校准评估。

§9 DAIMS 数据集评估

维度	评分（0-5）	说明
D - Data Availability 数据可得性	5	官网 + HuggingFace 公开直链，6.8 TB 全量开放，无注册/gated 环节
A - Annotation Quality 标注质量	4	器官掩码来自医学专家对临床 MRI/CT 的逐层分割；前列腺声速为离体实测；扣分项：掩码粒度限于 10 类器官级，无病灶级标注
I - Interoperability 互操作性	4	原生 NumPy 简单通用、命名规则自解释；另提供 zea HDF5 变体；扣分项：大文件打包（1140 样本/文件）不利于细粒度随机访问
M - Metadata Completeness 元数据完备性	4	患者级/标本级血缘编码进文件名；探头几何、采样参数在论文与 HF 卡完整公开；扣分项：数据集本体无独立版本号
S - Sustainability 可持续性	4	GitHub 仓库 + Google Group 承诺长期维护，预训练权重公开；扣分项：依赖个人/实验室维护，无机构级归档（如 Zenodo DOI）

综合：21/25。OpenPros 在可得性与科学严谨性上属于第一梯队；主要短板是体量带来的使用门槛与机构级长期归档的缺位。

§10 生态位、互链点与存照

10.1 库内生态定位

在「千方病案医数集」的前列腺多模态族谱中，OpenPros 占据一个此前空缺的生态位——定量功能成像/仿真基准。前列腺方向既有条目覆盖了 MRI、病理与组织学模态，而 USCT 这一模态连同其背后的「仿真 + 解剖先验」数据范式都是新增维度。

10.2 建议互链点（正文建议）

本库条目	互链理由
prostatex（url_name=prostatex）	同器官（前列腺）公开基准对照：真实采集的 mpMRI 挑战赛数据 vs 仿真 USCT 基准，适合作跨模态方法学讨论
prostate158（url_name=prostate158）	前列腺 T2 加权 MRI 公开集，器官分割任务与 OpenPros 解剖建模上游同源，可互链讨论「真实影像标注 → 仿真数据先验」的数据血缘模式
prostate-cnb-wsi（url_name=prostate-cnb-wsi）	穿刺病理 WSI 方向，与 OpenPros 分别覆盖前列腺的影像端与病理端，适合在「影像生物标志物 ↔ 病理金标准」框架下互链

（以上 rid 以入库后 DB 反查为准。）

10.3 双口径存照清单

• 划分数字：官方项目页 224K / 28K / 28K vs arXiv 附录 A.4 的 255,360 训练 + 27,360 验证/测试（合计 280,080 两口径一致，切分方式表述不同）。成稿两说并存。
• 基线指标：arXiv v2 Table 4（InversionNet MAE 0.0074 / SSIM 0.9955；ViT-Inversion SSIM 0.9967 / PCC 0.9893）vs 官方项目页（InversionNet MAE 0.0073 / RMSE 0.0297 / SSIM 0.9876 / PCC 0.9850；ViT-Inversion MAE 0.0067 / RMSE 0.0268 / SSIM 0.9908 / PCC 0.9892）。本稿 §6.2 采用项目页口径并注明差异。
• 数据许可：论文附录 A 与 HF 社区卡写 CC BY-NC-SA 4.0；NVIDIA OpenH-RF 内 README 写 CC-BY 4.0。以论文为准，冲突已存照。
• epochs：正文 120 vs 附录 Table 6 的 240。
• 作者列表：arXiv v1 含 Yiming Mao，v2/ICLR 定稿不含。

10.4 遗留疑点

• 数据集本体的官方独立版本号（如 v1.0 / v2.0）未检索到官方声明。
• 未见 Zenodo 或其他机构库的 DOI 归档记录，长期归档依赖 GitHub + 官网。
• 62 例离体标本的采集时间跨度与伦理审批信息论文未详列。
• combined OOD 中「3_04 的 2 个前列腺」与 leave-one-out 留出标本（2022-06-06、2022-06-09）是否为同一批标本，论文表述未完全显式对齐。
• 官网 open-pros.github.io 为 JS 渲染页面，部分自动化抓取只能获得标题文本；本条目事实以 arXiv 论文 HTML、HF 数据卡与 NCSA 报道为互证源。

10.5 结语

OpenPros 的方法论意义超出了前列腺影像本身：它示范了在「真实配对数据物理上不可采集」的临床场景下，如何用「真实解剖先验 + 实测组织参数 + 高保真物理仿真」合成可训练、可基准化的替代数据，并以严格的 ID/OOD 双轨协议约束结论边界。它同时诚实地展示了当前深度模型在该任务上的天花板——快而不够准、泛化与不确定性量化不足、对骨骼遮挡与噪声敏感。对逆问题、物理引导学习与科学成像基础模型社区而言，这是一个把「学术 ML 与临床部署之间的鸿沟」具体化为可测数字的基准。

§11 附录：术语表

术语	英文	释义
超声计算机断层	Ultrasound Computed Tomography，USCT	用透射声波反演组织定量参数（声速、衰减）的成像方式
声速图	Speed-of-Sound map，SOS map	每像素记录组织声速值的定量图像，本数据集的重建目标
有限角	limited-angle / limited-view	采集角度范围受解剖约束而不完整，导致逆问题病态
全波形反演	Full Waveform Inversion，FWI	利用完整波形（走时+振幅+相位）迭代反演介质参数的方法
有限差分时域	Finite-Difference Time-Domain，FDTD	直接在时空网格上差分离散求解波动方程的数值方法
数字体模	digital phantom	由真实解剖与组织参数构建的数字化仿真对象
离体标本	ex vivo specimen	离开活体后采集/测量的组织标本
经直肠超声	TransRectal Ultrasound，TRUS	探头经直肠贴近前列腺的常规超声方式
雷克子波	Ricker wavelet	地震学与声学仿真常用的零相位子波，本数据集激励源
吸收边界条件	Absorbing Boundary Condition，ABC	数值仿真中抑制人工边界反射的处理
域差距	domain gap	仿真数据分布与真实采集数据分布之间的系统性差异
分布外评估	Out-of-Distribution，OOD	用训练时未见过的解剖/标本做测试的泛化协议

§12 时间线

时间	事件
2019	InversionNet 发表（Wu & Lin，IEEE TCI），地震 FWI 深度基线奠基
2024	Yixuan Wu 博士论文《Multiparametric prostate ultrasound imaging》（JHU）；数字体模工作发表于 SPIE Medical Imaging 2024
2025-05-18	OpenPros 论文 v1 上线 arXiv（2505.12261），数据集首次公开发布
2025	ICLR 2026 审稿周期；大规模仿真在 NCSA DeltaAI 超算完成
2026-02-01	arXiv v2 更新（ICLR camera-ready），补 OOD 协议、骨骼分层、k-Wave 对比
2026	ICLR 2026 正式接收并 poster 发表；NVIDIA OpenH-RF 收录 unc-openpros 子包（zea HDF5 格式）
2026-10-17	本条目编写时点

§13 常见问题（FAQ）

Q1：OpenPros 里的超声波形是真实病人身上采的吗？

不是。所有波形均为 FDTD / Runge-Kutta 求解器在数字体模上仿真生成。真实的是解剖结构（来自临床 MRI/CT 的专家分割）与组织声学参数（62 例离体前列腺的 QT scanner 实测值）。HuggingFace 数据卡原话：the RF measurements in this package are simulated rather than acquired in vivo。

Q2：它和 B 超图像数据集有什么区别？

B 超是反射式回波强度成像，输出灰阶帧；USCT 是透射式层析，反演声速等定量参数。OpenPros 存的是原始多通道射频波形（未经波束合成），不是灰度图像。

Q3：28 万样本等于 28 万个独立病人吗？

绝对不是。全部样本来自 66 个解剖来源（4 例患者 MRI/CT + 62 例离体标本）的不同切片与不同探头角度。这也是 ID 指标乐观、必须看 OOD 协议的根本原因。

Q4：SSIM 0.99 是不是意味着已经能临床用了？

不是。论文明确说当前深度模型尚不能给出临床可接受的高分辨率重建，无法解析前列腺内部细结构。高 SSIM 很大程度来自大块组织的平滑结构。

Q5：为什么激励频率只有 1 MHz？

低频有利于穿透骨盆骨骼并减少衰减失配，符合经腹/经骨超声的频率选择逻辑；更高频率虽分辨率更好，但在有限角含骨场景中波形畸变与衰减会更严重。

Q6：可以商用吗？

数据本体是 CC BY-NC-SA 4.0，非商业。代码是 BSD-3 宽松许可。在数据上训练的模型权重的许可属性存在灰色地带，商用前建议咨询作者团队。

Q7：数据怎么切分才不算作弊？

严格做法是把 OOD 协议作为主报告：patient-level（留出 3_04）、leave-one-prostate-out（留出 2022-06-06 与 2022-06-09）、combined OOD（双留）。ID 随机 90/10 只作参考。

Q8：能自己改仿真参数再生成数据吗？

可以，这正是双求解器开源的意义。修改源/接收布局、激励或采样参数后重新正演即可；建议先按论文附录 F 的方式与 k-Wave 或原配置做一致性校验。

Q9：下载通道有哪些？

官网 open-pros.github.io（/datasets 子页）、HuggingFace（社区镜像 ashynf/OpenPros，主站不可达时可走 hf-mirror.com）、NVIDIA OpenH-RF 的 unc-openpros 子包（zea HDF5 变体）。

Q10：60 mm × 150 mm 的视场够覆盖前列腺吗？

够。前列腺典型前后径约 3-4 cm、上下径约 4-5 cm，视场按 150 mm（轴）× 60 mm（横）设计，完整覆盖前列腺及其周围关键解剖（直肠、膀胱、骨骼界面）。

§14 数据质量与局限的完整清单

论文自述与数据卡披露的局限，集中汇总如下：

解剖多样性局限：

• 仅 4 例患者级解剖（3_01-3_04），论文自认可能代表性不足；
• 62 例离体标本补充了前列腺本级多样性，但盆腔整体形态仍受限于 MRI/CT 来源数量。

物理建模局限：

• 仅仿真声速（SOS）单一参数，未建模衰减与密度的空间异质性（离体实测了衰减但仿真未纳入）；
• 2D 声波仿真忽略 3D 传播效应与面外散射——真实 3D 波场中部分能量会逸出成像平面；
• 组织异质性用高斯分布近似，未必覆盖真实组织的全部纹理统计。

标注粒度局限：

• 掩码为 10 类器官级，无病灶级（癌灶）标注——不能直接做病灶检出任务的监督训练；
• SOS 真值本身由「分割 + 参数赋值」构造，其与真实组织的声速分布仍有模型化差距。

评估协议局限：

• ID 划分的解剖泄漏问题（§8 坑 3）；
• OOD 案例数量少（1 个患者 / 2 个标本），OOD 指标自身方差较大。

发布与治理局限：

• 无机构级 DOI 归档，长期可持久性依赖 GitHub 与官网存续；
• 数据集本体无独立版本号，跨时点下载内容可能不一致；
• 许可口径在二级分发渠道（NVIDIA OpenH-RF）出现偏差（§10.3 存照）。

这份清单不是贬损——相反，论文与数据卡对这些局限的披露本身是规范做法。列出它是为了给使用者划定结论的适用边界。

§15 引用格式

BibTeX（arXiv v2 / ICLR 2026 口径）：

@inproceedings{wang2026openpros,
  title     = {OpenPros: A Large-Scale Dataset for Limited View
               Prostate Ultrasound Computed Tomography},
  author    = {Wang, Hanchen and Wu, Yixuan and Feng, Yinan and
               Jin, Peng and Zhang, Luoyuan and Feng, Shihang and
               Wiskin, James and Turkbey, Baris and
               Pinto, Peter A. and Wood, Bradford J. and
               Luo, Songting and Chen, Yinpeng and
               Boctor, Emad and Lin, Youzuo},
  booktitle = {International Conference on Learning Representations (ICLR)},
  year      = {2026}
}

（v1 的 author 列表另含 Yiming Mao；引用 ICLR 定稿以本格式为准。）

§16 参考来源

本条目全部事实来自以下一手或权威二手来源，检索时点 2026-10-17：

• arXiv 论文页与 HTML 全文（v2）：https://arxiv.org/abs/2505.12261 与 https://arxiv.org/html/2505.12261v2
• arXiv PDF（含附录 A-F）：https://arxiv.org/pdf/2505.12261
• ICLR 2026 virtual poster：https://www.iclr.cc/virtual/2026/poster/10007771
• OpenReview：https://openreview.net/forum?id=kcFEpBagea
• 项目主页：https://open-pros.github.io/（及 /datasets 子页）
• 官方项目页（SMILE Lab）：https://smileunc.github.io/projects/openpros
• GitHub 仓库：https://github.com/hanchenwang/OpenPros
• HuggingFace 社区镜像数据卡：https://huggingface.co/datasets/ashynf/OpenPros（经 selectdataset.com 聚合页核实）
• NVIDIA OpenH-RF 内 unc-openpros README（zea HDF5 格式与许可口径）
• NCSA 专题报道：From Image to Diagnosis in Milliseconds，https://www.ncsa.illinois.edu?p=22475/
• Lacuna 论文摘要页（补充 6.8 TB 与流水线细节）：https://lacuna.tiptreesystems.com/paper/openpros-a-large-scale-dataset-for-limited-view-prostate-ultrasound-computed/art_7c6ef98790c904032aedea953d8bde86

9.1 DAIMS 逐维度论证

D（可得性）打 5 分的理由：

• 官网 /datasets 与 HuggingFace 双通道公开直链；
• 无注册、无申请、无 gated 环节；
• 预训练权重与求解器一并公开，复现链路完整；
• 存在两种格式变体（NumPy 原生 + zea HDF5）适配不同工作流；
• 唯一的「门槛」是体量本身，属于客观成本而非治理障碍。

A（标注质量）打 4 分的理由：

• 正分项：器官掩码源自医学专家对真实 MRI/CT 的逐层分割，而非自动模型输出；前列腺声速逐标本使用 QT scanner 离体实测值；脂肪与骨骼分别有 T1 MRI 与 CT 两个模态的分割交叉支撑。
• 扣分项：掩码粒度为器官级（10 类），无病灶级癌灶标注；组织内部声速由高斯分布赋值，属于参数化近似而非逐体素实测；unknown（-1）区域的边界规则未详述。

I（互操作性）打 4 分的理由：

• 正分项：NumPy 是最通用的数组格式；文件名自编码血缘（患者/标本/类型）；另有 zea HDF5 变体对接超声开源生态；求解器开源意味着采集几何可复算。
• 扣分项：单文件打包 1140 样本，波形单文件数十 GB，细粒度随机访问需要自行重切；无官方 Datalad/WebDataset 流式封装。

M（元数据）打 4 分的理由：

• 正分项：探头几何、激励、采样、网格、标签表在论文与数据卡中完整可查；每个样本可通过文件名回溯到患者与标本日期。
• 扣分项：无数据集本体版本号；离体标本的采集元数据（时间跨度、伦理）披露有限；zea 变体中的占位字段（README 所述 Known Issues）需要使用者自行甄别。

S（可持续性）打 4 分的理由：

• 正分项：GitHub 仓库 + Google Group 有维护承诺；论文与数据解耦发布于稳定平台（arXiv/HF）。
• 扣分项：无 Zenodo/机构 DOI 归档；权重存于 Google Drive（链接腐坏风险高于归档平台）；官网为 JS 渲染单页，机器可访问性一般。

10.6 库内协作场景细化

把 §10.2 的三个互链点展开为可操作的协作场景：

场景一：跨模态基准对照（× prostatex）。

• 用 OpenPros 训练的 SOS 重建模型与用 ProstateX mpMRI 训练的病灶分类模型，可在「同一器官、不同模态」层面讨论各自生物标志物（声速 vs ADC）的互补性；
• 两者都是公开直链数据，适合作为教学式的「双基准」案例。

场景二：仿真数据血缘上游（× prostate158）。

• prostate158 提供 T2 加权 MRI 与器官分割，与 OpenPros 上游（专家分割 MRI/CT）同类型；
• 可用于讨论「真实分割数据如何转化为仿真数据集的先验」这一通用范式。

场景三：影像-病理闭环（× prostate-cnb-wsi）。

• OpenPros 的 SOS 生物标志物假设（恶性组织声速差异）最终要落回病理金标准验证；
• 穿刺病理条目可作为讨论「定量影像参数 ↔ 病理确认」闭环的对照端。

场景四：方法学跨域（库外）。

• InversionNet 的地震 FWI 出身使其天然适合与地球物理数据集条目互链（若库内有相关条目）；
• k-Wave 社区与超声仿真类条目亦可作为求解器生态的互链方向。

10.7 对检索者的最终建议

• 如果你的任务是「训练一个从波形重建声速的模型」：OpenPros 是当前唯一的大规模公开选择，直接用它，但必须按 §5.4 协议报告 ID + OOD；
• 如果你的任务是「验证 USCT 在前列腺的临床价值」：OpenPros 只能作为方法开发证据，临床结论需要真实采集数据，引用时务必带仿真限定语；
• 如果你的任务是「构建前列腺多模态语料」：OpenPros 提供的是仿真定量模态，与 MRI（prostatex/prostate158）、病理（prostate-cnb-wsi）等真实模态互补而非互换；
• 如果你的任务是「数据治理评估」：注意 §10.3 的许可口径冲突与 §10.4 的版本号缺位，这两个是尽调必查项。

16.1 来源可信度分级

• A 级（一手，事实以此为准）：arXiv v2 全文（含附录 A-F）、ICLR/OpenReview 官方页、GitHub 官方仓库、官方项目页；
• B 级（作者团队或收录平台自述）：SMILE Lab 项目页、HuggingFace 数据卡、NVIDIA OpenH-RF README；
• C 级（机构报道/聚合页，用于交叉印证）：NCSA 专题报道、Lacuna 摘要页、selectdataset 聚合页。

本条目所有硬数字至少经两个来源交叉；单源数字（如 NCSA 报道中的耗时对比）已在正文标注口径出处。

16.2 数据卡逐字段解读

以 HuggingFace 数据卡（ashynf/OpenPros 与 NVIDIA OpenH-RF 内 unc-openpros README）为底本，把关键字段逐条解读如下，方便检索者快速对齐：

数据卡字段	内容	解读
license	cc-by-nc-sa-4.0	数据非商业；与论文附录 A 一致（NVIDIA 卡的 CC-BY 4.0 为冲突口径，以论文为准）
size_categories	n>1T	数据量超过 1 TB；实际 6.8 TB（zea 变体 6.03 TB）
task	SOS reconstruction from limited-angle ultrasound data	有限角超声 → 声速图的定量重建
Data collection method	Synthetic FDTD wave-propagation simulations	数据采集方式为 FDTD 波动仿真——这是「仿真数据集」定性的直接出处
Ground-truth method	expert-annotated MRI/CT anatomy + measured ex vivo SOS + literature tissue properties	真值三层来源：专家解剖、离体实测、文献先验
Acquisition geometry	10 sources + 161 receivers on each of the two paths	双路径各 10 源 161 接收，合计 20 源 322 接收
Excitation	1 MHz peak-frequency Ricker wavelet	激励子波
Sampling	10 MHz（dt=1e-7 s），1,000 samples，100 μs	时间采样规格
Image grid	401 × 161 @ 0.375 mm，约 150 mm × 60 mm	SOS 图网格与视场
Format	zea HDF5（变体）/ NumPy（原生）	两种格式对应两条分发链路
Corresponding author	Youzuo Lin（yzlin@unc.edu）	许可与授权问询的联系人
Dataset Creation Date	05/18/2025	首次公开发布日

这张表的用途：当不同渠道的数据卡表述冲突时（许可、格式、样本计数），回到「论文正文/附录 > 作者官方数据卡 > 平台聚合页」的优先级链裁定。

13A FAQ 补充

Q11：SOS 图里的数值单位是什么？范围大概多少？

声速的物理单位是米/秒；外部耦合剂填充区为 1500 m/s（水中声速量级），软组织一般在 1400-1650 m/s 区间，骨骼显著更高。论文的 MAE/RMSE 指标在归一化尺度上计算，换算回 m/s 需乘以归一化跨度（论文附录 D 有指标定义，跨任务的绝对换算请以附录为准）。

Q12：可以直接用它做前列腺癌检测吗？

不能直接做。掩码只有器官级标签，没有癌灶级标注；「声速是潜在恶性生物标志物」是领域假设，OpenPros 用仿真体模支持方法开发，不提供癌与非癌的监督信号。检测类研究需要回到带病理标签的真实影像数据（如 mpMRI 系列数据集）。

Q13：数据是 2D 的，能做 3D 重建吗？

数据本体是 2D 切片与 2D 波仿真；3D 解剖体是切片的上游，不在发布内容里逐体公开成可用格式。Runge-Kutta 求解器被作者定位为 3D 扩展的基础，但 3D 数据集是未来工作。

Q14：训练一个基线要多少算力？

论文口径：InversionNet 约 240 GPU 小时、ViT-Inversion 约 128 GPU 小时（H100）。只做推理评测则单样本 5-9 ms，一张消费级 GPU 即可。

Q15：为什么叫 OpenPros 而不是 OPENPROS？

两种大小写在论文标题与正文都有出现（标题全大写 OPENPROS，正文多写 OpenPros），指同一数据集；slug 采用小写 openpros。

14A 局限之外的正面清单

前文 §14 集中列局限，为公平起见补一份「做得对」的清单：

• 双求解器开源：数据可再生、实验可复算，超出一般数据集的发布标准；
• 三种 OOD 协议：把「泛化」从口号变成可执行协议，在医学影像数据集中少见；
• 骨骼难度分层：利用掩码元数据免费提供了任务难度分析维度；
• k-Wave 对照验证：自研求解器与社区标准工具交叉校验，提升仿真可信度；
• 离体实测参数：前列腺声速不靠文献均值，逐标本实测注入，物理保真度有实证背书；
• 有限的乐观偏置自曝：论文自己写明 ID 划分的解剖泄漏问题，没有回避；
• 失败结论的保留：明确写出「深度模型尚不达临床标准」，而不是只报喜——这在以 SOTA 叙事为主的会议文化里是稀缺品质。

14B 一段话总结（供外部引用）

OpenPros 是 ICLR 2026 发表的首个有限角前列腺超声计算机断层（USCT）大规模基准：28 万余对「2D 声速图 ↔ 仿真全波形」样本（6.8 TB）由 4 例临床 MRI/CT 专家分割与 62 例离体前列腺实测声速构建的解剖逼真 3D 数字体模，经开源 FDTD/Runge-Kutta 求解器在临床探头几何（经直肠+经腹、-45°至+45°、含骨盆骨骼）下仿真生成；基准提供 ID 与三种 OOD 协议及五个基线（两个物理法、三个深度模型），ViT-Inversion 以毫秒级推理和最优精度领先，但论文明确指出当前深度方法尚未达到临床可接受的高分辨率重建，泛化、鲁棒性与不确定性量化仍是开放挑战。数据以 CC BY-NC-SA 4.0 公开发布。

6C 评估指标定义（附录 D 口径）

四个指标的记号约定：真值声速图为 s，预测图为 ŝ，N 为每图像像素总数。

MSE（均方误差）：

• 定义：MSE = (1/N) × Σ (s_i − ŝ_i)²
• 性质：对大误差敏感（平方放大），反映重建的整体能量偏差；
• 阅读注意：MSE 与 RMSE 差一个开方，跨论文对比时勿混用。

MAE（平均绝对误差）：

• 定义：MAE = (1/N) × Σ |s_i − ŝ_i|
• 性质：对离群像素稳健，是 OpenPros 基准表中的首要排序指标；
• 阅读注意：论文指标在归一化声速尺度上计算，不直接等于 m/s 绝对误差。

SSIM（结构相似性）：

• 定义：在局部窗口上综合亮度、对比度、结构三项相似度的加权乘积，全局取均值；
• 性质：对结构保真（器官边界、界面位置）比逐像素误差更敏感；
• 阅读注意：高 SSIM 不等于细结构解析——大块平滑组织即可推高 SSIM。

PCC（皮尔逊相关系数）：

• 定义：像素值对 (s_i, ŝ_i) 的线性相关系数；
• 性质：对线性缩放不敏感，衡量「形状」而非「幅值」；
• 阅读注意：PCC 高而 MAE 高意味着形状对但整体幅值偏移（增益类误差）。

6D 指标之外的定性观察维度

定量指标之外，论文与项目页呈现了三类定性证据，复现者可对照检查：

• 重建图目检：物理法在有限角下产生明显伪影；深度模型整体结构正确但内部细结构（腺体、小病灶尺度特征）趋于平滑；
• 噪声可视化：σ 增大时 CNN 基线的重建出现结构性崩坏（PCC 跌至 0.39），Transformer 基线仅整体变糊；
• 骨骼遮挡目检：大骨骼切片中，骨骼后方的声影区是误差最集中的区域——与声学直觉一致。

这些定性观察与 §6.2-6.4 的定量结果互相印证，构成了「快而不达临床、结构对而细节丢」的完整证据链。

17 结语附记

最后给三类典型使用者各留一句话：

• 给 ML 研究者：把它当「有限角 FWI 的 ImageNet 级训练场」，但请以 OOD 数字论英雄；
• 给医学影像研究者：把它当「USCT 定量成像的方法论沙盘」，不要把仿真数字直接写进临床对比表；
• 给数据工程与治理者：它展示了「解剖真实 + 物理仿真」范式如何绕过不可采集的数据瓶颈，也示范了许可口径、版本号、归档等治理细节上容易掉链子的地方。

数据集与论文的权威信息入口永远是作者团队：官网 open-pros.github.io、GitHub 仓库与通讯作者邮箱（yzlin@unc.edu）。本条目在其之上做的是中文百科化整理与库内生态连接，事实冲突时以官方渠道为准。

（本条目由 agent-f-openpros 编写于 2026-10-17，事实检索时点同日。）

17A 快速核对卡（一屏版）

编写/引用本条目时的十秒核对卡：

• 名称：OpenPros（slug: openpros）
• 会议：ICLR 2026 · arXiv:2505.12261
• 机构：UNC + JHU 牵头，七机构联合
• 规模：280,080 配对样本 · 6.8 TB
• 来源：4 例 MRI/CT + 62 例离体标本 = 66 解剖来源
• 数据性质：仿真波形 × 真实解剖先验（混合型）
• 网格：401×161 @ 0.375 mm · 波形 40×1000×161 · 20 源 / 322 接收器
• 协议：ID 224K/28K/28K + 三种 OOD
• 最优基线：ViT-Inversion（MAE 0.0067 · SSIM 0.9908 · 8.9 ms/样本）
• 许可：数据 CC BY-NC-SA 4.0 · 代码 BSD-3/OSS
• 获取：open-pros.github.io · GitHub · HuggingFace（直链无门槛）
• 最大注意点：仿真非实测 · 患者解剖仅 4 例 · ID 有解剖泄漏

17B 条目修订记录

• 2026-10-17：初版成稿（agent-f-openpros）。事实检索时点同日；基线指标采用官方项目页口径，冲突数字见 §10.3 存照；许可采用论文口径（CC BY-NC-SA 4.0），NVIDIA 卡冲突已存照。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• tg3k — 共享标签：医学影像 / 评测基准 / 医学图像分割
• woives-octa — 共享标签：医学影像 / 评测基准 / 医学图像分割
• cvc-clinicdb — 共享标签：医学影像 / 评测基准 / 医学图像分割
• cvc-colondb — 共享标签：医学影像 / 评测基准 / 医学图像分割
• prostate158 — 共享标签：医学影像 / 评测基准 / 医学图像分割
• adam-aneurysm — 共享标签：医学影像 / 评测基准 / 医学图像分割
• chexlocalize — 共享标签：医学影像 / 评测基准 / 医学图像分割
• echonet-pediatric — 共享标签：医学影像 / 评测基准 / 医学图像分割
• fetal-abdominal — 共享标签：医学影像 / 评测基准 / 医学图像分割
• ctooth — 共享标签：医学影像 / 评测基准 / 医学图像分割

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。