首發(fā)于《與有三學(xué)AI》【數(shù)據(jù)集】一文道盡醫(yī)學(xué)圖像數(shù)據(jù)集與競賽?mp.weixin.qq.com

作者 | Nora/言有三

編輯 | Nora/言有三

在AI與深度學(xué)習(xí)逐漸發(fā)展成熟的趨勢下，人工智能和大數(shù)據(jù)等技術(shù)開始進(jìn)入了醫(yī)療領(lǐng)域，它們把現(xiàn)有的一些傳統(tǒng)流程進(jìn)行優(yōu)化，大幅度提高各種流程的效率、精度、用戶體驗(yàn)，同時也緩解了醫(yī)療資源的壓力和精確度不夠的問題。

01 醫(yī)學(xué)數(shù)據(jù)集

智能醫(yī)療有很多的發(fā)展方向，例如醫(yī)學(xué)影像處理、診斷預(yù)測、疾病控制、健康管理、康復(fù)機(jī)器人、語音識別病歷電子化等。當(dāng)前人工智能技術(shù)新的發(fā)力點(diǎn)中的醫(yī)學(xué)圖像在疾病的預(yù)測和自動化診斷方面有非常大的意義，本篇即針對醫(yī)學(xué)影像中的病例分析，降噪，分割，檢索等領(lǐng)域來介紹一些常用的數(shù)據(jù)集。

1.1 病例分析數(shù)據(jù)集

1.1.1 ABIDE

數(shù)據(jù)集地址：

發(fā)布于2013年，這是一個對自閉癥內(nèi)在大腦結(jié)構(gòu)的大規(guī)模評估數(shù)據(jù)集，包括539名患有ASD和573名正常個體的功能MRI圖像。

1.1.2 OASIS

OASIS，全稱為Open Access Series of Imaging Studies，已經(jīng)發(fā)布了第3代版本，第一次發(fā)布于2007年，是一項(xiàng)旨在使科學(xué)界免費(fèi)提供大腦核磁共振數(shù)據(jù)集的項(xiàng)目。它有兩個數(shù)據(jù)集可用，下面是第1版的主要內(nèi)容。

(1) 橫截面數(shù)據(jù)集：年輕，中老年，非癡呆和癡呆老年人的橫斷面MRI數(shù)據(jù)。該組由416名年齡在18歲至96歲的受試者組成的橫截面數(shù)據(jù)庫組成。對于每位受試者，單獨(dú)獲得3或4個單獨(dú)的T1加權(quán)MRI掃描包括掃描會話。受試者都是右撇子，包括男性和女性。100名60歲以上的受試者已經(jīng)臨床診斷為輕度至中度阿爾茨海默病。

(2) 縱向集數(shù)據(jù)集：非癡呆和癡呆老年人的縱向磁共振成像數(shù)據(jù)。該集合包括150名年齡在60至96歲的受試者的縱向集合。每位受試者在兩次或多次訪視中進(jìn)行掃描，間隔至少一年，總共進(jìn)行373次成像。對于每個受試者，包括在單次掃描期間獲得的3或4次單獨(dú)的T1加權(quán)MRI掃描。受試者都是右撇子，包括男性和女性。在整個研究中，72名受試者被描述為未被證實(shí)。包括的受試者中有64人在初次就診時表現(xiàn)為癡呆癥，并在隨后的掃描中仍然如此，其中包括51名輕度至中度阿爾茨海默病患者。另外14名受試者在初次就診時表現(xiàn)為未衰退，隨后在隨后的訪視中表現(xiàn)為癡呆癥。

1.1.3 DDSM

數(shù)據(jù)集地址：

發(fā)布于2000年，這是一個用于篩選乳腺攝影的數(shù)字?jǐn)?shù)據(jù)庫，是乳腺攝影圖像分析研究社區(qū)使用的資源。該項(xiàng)目的主要支持來自美國陸軍醫(yī)學(xué)研究和裝備司令部的乳腺癌研究計(jì)劃。DDSM項(xiàng)目是由馬薩諸塞州綜合醫(yī)院(D. Kopans，R. Moore)，南佛羅里達(dá)大學(xué)(K. Bowyer)和桑迪亞國家實(shí)驗(yàn)室(P. Kegelmeyer)共同參與的合作項(xiàng)目。數(shù)據(jù)庫的主要目的是促進(jìn)計(jì)算機(jī)算法開發(fā)方面的良好研究，以幫助篩選。數(shù)據(jù)庫的次要目的可能包括開發(fā)算法以幫助診斷和開發(fā)教學(xué)或培訓(xùn)輔助工具。該數(shù)據(jù)庫包含約2,500項(xiàng)研究。每項(xiàng)研究包括每個乳房的兩幅圖像，以及一些相關(guān)的患者信息(研究時間，ACR乳房密度評分，異常微妙評級，異常ACR關(guān)鍵字描述)和圖像信息(掃描儀，空間分辨率等)。包含可疑區(qū)域的圖像具有關(guān)于可疑區(qū)域的位置和類型的像素級“地面真實(shí)”信息。

1.1.4 MIAS

數(shù)據(jù)集地址：

MIAS全稱為MiniMammographic Database，是乳腺圖像數(shù)據(jù)庫。

乳腺M(fèi)G數(shù)據(jù)(Breast Mammography)有個專門的database，可以查看很多數(shù)據(jù)集，鏈接地址為：http://www.mammoimage.org/databases/

1.1.5 MURA

數(shù)據(jù)集地址：

發(fā)布于2018年2月，吳恩達(dá)團(tuán)隊(duì)開源了 MURA 數(shù)據(jù)庫，MURA 是目前最大的 X 光片數(shù)據(jù)庫之一。該數(shù)據(jù)庫中包含了源自14982項(xiàng)病例的40895張肌肉骨骼X光片。1萬多項(xiàng)病例里有9067例正常的上級肌肉骨骼和5915例上肢異常肌肉骨骼的X光片，部位包括肩部、肱骨、手肘、前臂、手腕、手掌和手指。每個病例包含一個或多個圖像，均由放射科醫(yī)師手動標(biāo)記。全球有超過17億人都有肌肉骨骼性的疾病，因此訓(xùn)練這個數(shù)據(jù)集，并基于深度學(xué)習(xí)檢測骨骼疾病，進(jìn)行自動異常定位，通過組織器官的X光片來確定機(jī)體的健康狀況，進(jìn)而對患者的病情進(jìn)行診斷，可以幫助緩解放射科醫(yī)生的疲勞。

公開可用的醫(yī)學(xué)射線照相圖像數(shù)據(jù)集概述

參考2018年論文：MURA: Large Dataset for Abnormality Detection in Musculoskeletal Radiographs.

1.1.6 ChestX-ray14

數(shù)據(jù)集地址：

參考論文：

CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning

ChestX-ray14 是由NIH研究院提供的，其中包含了30,805名患者的112,120個單獨(dú)標(biāo)注的14種不同肺部疾病(肺不張、變實(shí)、浸潤、氣胸、水腫、肺氣腫、纖維變性、積液、肺炎、胸膜增厚、心臟肥大、結(jié)節(jié)、腫塊和疝氣)的正面胸部 X 光片。研究人員對數(shù)據(jù)采用NLP方法對圖像進(jìn)行標(biāo)注。利用深度學(xué)習(xí)的技術(shù)早期發(fā)現(xiàn)并識別胸透照片中肺炎等疾病對增加患者恢復(fù)和生存的最佳機(jī)會至關(guān)重要。

1.1.7 LIDC-IDRI

數(shù)據(jù)集地址：

LIDC-IDRI數(shù)據(jù)集是由美國國家癌癥研究所(National Cancer Institute)發(fā)起收集的，目的是為了研究高危人群早期肺結(jié)節(jié)檢測。該數(shù)據(jù)集中，共收錄了1018個研究實(shí)例。對于每個實(shí)例中的圖像，都由4位經(jīng)驗(yàn)豐富的胸部放射科醫(yī)師進(jìn)行兩階段的診斷標(biāo)注。該數(shù)據(jù)集由胸部醫(yī)學(xué)圖像文件(如CT、X光片)和對應(yīng)的診斷結(jié)果病變標(biāo)注組成。

1.1.8 LUNA16

數(shù)據(jù)集地址：

發(fā)布于2016年，是肺部腫瘤檢測最常用的數(shù)據(jù)集之一，它包含888個CT圖像，1084個腫瘤，圖像質(zhì)量和腫瘤大小的范圍比較理想。數(shù)據(jù)分為10個subsets，subset包含89/88個CT scan。

LUNA16的CT圖像取自LIDC/IDRI數(shù)據(jù)集，選取了三個以上放射科醫(yī)師意見一致的annotation，并且去掉了小于3mm的腫瘤，所以數(shù)據(jù)集里不含有小于3mm的腫瘤，便于訓(xùn)練。

1.1.9 NSCLC

數(shù)據(jù)集地址：

發(fā)布于2018年，來自斯坦福大學(xué)。數(shù)據(jù)集來自211名受試者的非小細(xì)胞肺癌(NSCLC)隊(duì)列的獨(dú)特放射基因組數(shù)據(jù)集。該數(shù)據(jù)集包括計(jì)算機(jī)斷層掃描(CT)，正電子發(fā)射斷層掃描(PET)/ CT圖像。創(chuàng)建該數(shù)據(jù)集是為了便于發(fā)現(xiàn)基因組和醫(yī)學(xué)圖像特征之間的基礎(chǔ)關(guān)系，以及預(yù)測醫(yī)學(xué)圖像生物標(biāo)記的開發(fā)和評估。

1.1.10 DeepLesion

數(shù)據(jù)集地址：

DeepLesion由美國國立衛(wèi)生研究院臨床中心(NIHCC)的團(tuán)隊(duì)開發(fā)，是迄今規(guī)模最大的多類別、病灶級別標(biāo)注臨床醫(yī)療CT圖像開放數(shù)據(jù)集。在該數(shù)據(jù)庫中圖像包括多種病變類型，目前包括4427個患者的32,735 張CT圖像及病變信息，同時也包括腎臟病變，骨病變，肺結(jié)節(jié)和淋巴結(jié)腫大。DeepLesion多類別病變數(shù)據(jù)集可以用來開發(fā)自動化放射診斷的CADx系統(tǒng)。

1.1.11 ADNI

數(shù)據(jù)集地址：

ANDI涉及到的數(shù)據(jù)集包括如下幾部分Clinical Data(臨床數(shù)據(jù))、MR Image Data(磁共振成像)、Standardized MRI Data Sets、PET Image Data(正電子發(fā)射計(jì)算機(jī)斷層掃描)、Gennetic Data(遺傳數(shù)據(jù))、Biospecimen Data(生物樣本數(shù)據(jù))。

1.2 醫(yī)學(xué)降噪數(shù)據(jù)集

1.2.1 BrainWeb數(shù)據(jù)集

數(shù)據(jù)集地址：

發(fā)布于1997年，這是一個仿真數(shù)據(jù)集，用于醫(yī)學(xué)圖像降噪。研究者可以截取不同斷層的正常腦部仿真圖像，包括T1，T2，PD3種斷層，設(shè)置斷層的厚度，疊加高斯噪聲或者醫(yī)學(xué)圖像中常見的萊斯噪聲，最終會得到181×217大小的噪聲圖像。

1.3 醫(yī)學(xué)分割數(shù)據(jù)集

1.3.1 DRIVE數(shù)據(jù)集

數(shù)據(jù)集地址：

發(fā)布于2003年，這是一個用于血管分割的數(shù)字視網(wǎng)膜圖像數(shù)據(jù)集，它由40張照片組成，其中7張顯示出輕度早期糖尿病視網(wǎng)膜病變跡象。

1.3.2 SCR數(shù)據(jù)集

數(shù)據(jù)集地址：

發(fā)布于2000年，胸部X光片的分割，胸部X光片中解剖結(jié)構(gòu)的自動分割對于這些圖像中的計(jì)算機(jī)輔助診斷非常重要。SCR數(shù)據(jù)庫的建立是為了便于比較研究肺野，心臟和鎖骨在標(biāo)準(zhǔn)的后胸前X線片上的分割。

本著合作科學(xué)進(jìn)步的精神，我們可以自由共享SCR數(shù)據(jù)庫，并致力于在這些分割任務(wù)上維護(hù)各種算法結(jié)果的公共存儲庫。在這些頁面上，可以在下載數(shù)據(jù)庫和上載結(jié)果時找到說明，并且可以檢查各種方法的基準(zhǔn)結(jié)果。

1.3.3 醫(yī)學(xué)圖像分析benchmark

1.3.4 Ardiac MRI

數(shù)據(jù)集地址：

ardiac MRI 是心臟病患者心房醫(yī)療影像數(shù)據(jù)，以及其左心室的心內(nèi)膜和外膜的圖像標(biāo)注。包括33位患者案例，每個受試者的序列由沿著長的20幀和8-15個切片組成，共7980張圖像。

1.3.5 NIH

數(shù)據(jù)集地址：

發(fā)布于2017年，這是一個胸部X射線數(shù)據(jù)集，包含30,805個患者，14個疾病圖像標(biāo)簽(其中每個圖像可以具有多個標(biāo)簽)，112,820個正面X射線圖像，標(biāo)簽是使用自然語言處理從相關(guān)的放射學(xué)報(bào)告中自動提取。十四種常見的胸部病變包括肺不張，鞏固，浸潤，氣胸，水腫，肺氣腫，纖維化，積液，肺炎，胸膜增厚，心臟擴(kuò)大，結(jié)節(jié)，腫塊和疝。由于許多原因，原始放射學(xué)報(bào)告(與這些胸部X射線研究相關(guān))并不是公開分享的。所以文本挖掘的疾病標(biāo)簽預(yù)計(jì)準(zhǔn)確度 > 90％，這個數(shù)據(jù)集適合做半監(jiān)督的學(xué)習(xí)。

1.4 List of Open Access

在List of Open Access Medical Imaging Datasets網(wǎng)站上可以看到更多的相關(guān)方向的數(shù)據(jù)集。

數(shù)據(jù)集地址：

02 醫(yī)學(xué)競賽

2.1 VISCERAL

地址鏈接：http：//www.visceral.eu/

VISCERAL 是Visual Concept Extraction Challenge in Radiology的縮寫，是放射學(xué)中的視覺概念提取挑戰(zhàn)賽。他們提供幾種不同成像模式(例如CT和MR)的幾種解剖結(jié)構(gòu)(例如腎，肺，膀胱等)的放射學(xué)數(shù)據(jù)以及一個云計(jì)算實(shí)例。

2.2 Grand Challenges

地址鏈接：

提供了醫(yī)學(xué)圖像分析領(lǐng)域內(nèi)所有挑戰(zhàn)的概述，下面舉的例子是2019年的醫(yī)學(xué)圖像方面將要舉辦的競賽。

2.3 Dream Challenges

這個挑戰(zhàn)賽中包括有數(shù)字乳腺攝影夢想挑戰(zhàn)；ICGC-TCGA DREAM體細(xì)胞突變稱為RNA挑戰(zhàn)(SMC-RNA)等等。

03 總結(jié)

最后提供給對醫(yī)學(xué)影像處理感興趣的童鞋一個超級贊的github鏈接如下：

這是Github上哈佛 beamandrew機(jī)器學(xué)習(xí)和醫(yī)學(xué)影像研究者貢獻(xiàn)的數(shù)據(jù)集，包括了醫(yī)學(xué)影像數(shù)據(jù)、競賽數(shù)據(jù)、來自電子健康記錄的數(shù)據(jù)、醫(yī)療數(shù)據(jù)、UCI數(shù)據(jù)集、生物醫(yī)學(xué)文獻(xiàn)等。

總結(jié)

以上是生活随笔為你收集整理的moore 数据集_【数据集】一文道尽医学图像数据集与竞赛的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。