上海交大發布 MedMNIST 醫學圖像分析數據集 & 新基準

來源 | HyperAI超神經

責編 | 晉兆雨

頭圖 | 付費下載於視覺中國

內容概要：醫學圖像分析是一個非常複雜的跨學科領域，近日上海交通大學發布了 MedMNIST 數據集，有望促進醫學圖像分析的發展。

關鍵詞：醫學圖像分析 公開數據集

令人頭禿的醫學圖像分析

醫學圖像分析是一個公認的「老大難」課題。

首先它是一個跨學科領域，要求從業者具備多方面知識背景，即使你是鑽研計算機視覺的專業人士，又或者是一個臨床醫學從業者，那你充其量只邁出了進行醫學圖像分析的半隻腳。

樂觀估計，經過多年的學習和研究，你終於掌握了計算機視覺和臨床醫學的雙向技能，那接下來的操作也能讓你愁到頭禿，因為這些數據來源五花八門，有 X 射線、CT、超聲……分析處理這麼多個不同模式的非標準數據集，也太難了！

這還沒完，深度學習雖然在醫學圖像分析的研究和應用中，已經佔據主導地位，但模型調整需要的人力成本太高了，AutoML 好使是好使，但是目前基本沒有用於醫學圖像分類的 AutoML 基準。

MedMNIST 分類十項全能一覽

醫學圖像分析困難重重，然而上海交通大學近期發布的 MedMNIST 數據集，則為終結這些老大難問題，帶來了一大利器。

10 個公開數據集、45 萬張圖像重新整理

MedMNIST 是一個包含 10 個醫學公開數據集的集合，且全部數據均已經過預處理，將其分為包括訓練集、驗證集、測試子集的標準數據集。數據來源包括 X 射線、OCT、超聲、CT 等不同成像模式，得到了同一病灶的多模態數據。與 MNIST 數據集一樣，MedMNIST 可以在輕量級 28*28 圖像上執行分類任務。

十個數據集的數據模式、適用任務及圖像數量

MedMNIST 具有以下特點：

• 教育性：多模態數據來自於多個公共醫學圖像數據集，採用知識共享（CC）許可協議或自由許可協議，方便教學使用。

• 標準化：全部數據已經預處理成相同的格式，降低準入門檻，任何人都可以使用。

• 多樣性：多模態數據集涵蓋了不同的數據模式，數據規模從 100 到 100,000 都支持，任務類型也豐富為二元分類、多元分類、有序回歸和多標籤。

• 輕量級：28*28 的圖像尺寸便於迅速進行原型設計，對多模態機器學習和 AutoML 算法進行快速迭代和實驗。

MedMNIST Dataset

發布機構：上海交通大學

包含數量：454,591 個圖像數據

數據格式：NPZ

數據大小：654 MB

發布時間：2020 年 10 月 28 日

十項全能大法好，打造 AutoML 新基準

受《醫學分割十項全能》（Medical Segmentation Decathlon）的啟發，上海交通大學的科研人員還發布了《MedMNIST 分類十項全能》 （MedMNIST Classification Decathlon），作為醫學圖像分類中的輕量級 AutoML 基準。

科研人員用 MedMNIST 分類十項全能，評估了在全部 10 個數據集上的算法性能，並採取了其他幾個 baseline 方法與該基準進行對比，這些方法包括 ResNets（18、50）、auto-sklearn、AutoKeras、Google AutoML Vision。

MedMNIST 在 AUC 和 ACC 等指標上的性能一覽

實驗結果表明，針對全部 10 個數據集，都能取得很好的泛化性能的算法，在實驗中並不存在。該實驗對於探索在不同數據模式、任務類型和數據規模上，進行很好地泛化的 AutoML 算法，意義重大。

MedMNIST 分類十項全能基準測試，將促進未來醫學圖像分析 AutoML 的相關研究。

相關論文：

https://arxiv.org/pdf/2010.14925.pdf

開源地址：

https://github.com/MedMNIST/MedMNIST