上海交大发布 MedMNIST 医学图像分析数据集 & 新基准

医学图像分析是一个非常复杂的跨学科领域,近日上海交通大学发布了 MedMNIST 数据集,有望促进医学图像分析的发展。

令人头秃的医学图像分析

医学图像分析是一个公认的「老大难」课题。

首先它是一个跨学科领域,要求从业者具备多方面知识背景,即使你是钻研计算机视觉的专业人士,又或者是一个临床医学从业者,那你充其量只迈出了进行医学图像分析的半只脚。

乐观估计,经过多年的学习和研究,你终于掌握了计算机视觉和临床医学的双向技能,那接下来的操作也能让你愁到头秃,因为这些数据来源五花八门,有 X 射线、CT、超声……分析处理这么多个不同模式的非标准数据集,也太难了!

这还没完,深度学习虽然在医学图像分析的研究和应用中,已经占据主导地位,但模型调整需要的人力成本太高了,AutoML 好使是好使,但是目前基本没有用于医学图像分类的 AutoML 基准。

MedMNIST 分类十项全能一览

医学图像分析困难重重,然而上海交通大学近期发布的 MedMNIST 数据集,则为终结这些老大难问题,带来了一大利器。

10 个公开数据集、45 万张图像重新整理

MedMNIST 是一个包含 10 个医学公开数据集的集合,且全部数据均已经过预处理,将其分为包括训练集、验证集、测试子集的标准数据集。数据来源包括 X 射线、OCT、超声、CT 等不同成像模式,得到了同一病灶的多模态数据。与 MNIST 数据集一样,MedMNIST 可以在轻量级 28*28 图像上执行分类任务。

十个数据集的数据模式、适用任务及图像数量

MedMNIST 具有以下特点:

教育性:多模态数据来自于多个公共医学图像数据集,采用知识共享(CC)许可协议或自由许可协议,方便教学使用。

标准化:全部数据已经预处理成相同的格式,降低准入门槛,任何人都可以使用。

多样性:多模态数据集涵盖了不同的数据模式,数据规模从 100 到 100,000 都支持,任务类型也丰富为二元分类、多元分类、有序回归和多标签。

轻量级:28*28 的图像尺寸便于迅速进行原型设计,对多模态机器学习和 AutoML 算法进行快速迭代和实验。

MedMNIST Dataset

发布机构:上海交通大学

包含数量:454,591 个图像数据

数据格式:NPZ

数据大小:654 MB

发布时间:2020 年 10 月 28 日

下载地址:http://dwz.date/dew2

十项全能大法好,打造 AutoML 新基准 

受《医学分割十项全能》(Medical Segmentation Decathlon)的启发,上海交通大学的科研人员还发布了《MedMNIST 分类十项全能》(MedMNIST Classification Decathlon),作为医学图像分类中的轻量级 AutoML 基准。

科研人员用 MedMNIST 分类十项全能,评估了在全部 10 个数据集上的算法性能,并采取了其他几个 baseline 方法与该基准进行对比,这些方法包括 ResNets(18、50)、auto-sklearn、AutoKeras、Google AutoML Vision。

MedMNIST 在 AUC 和 ACC 等指标上的性能一览

实验结果表明,针对全部 10 个数据集,都能取得很好的泛化性能的算法,在实验中并不存在。该实验对于探索在不同数据模式、任务类型和数据规模上,进行很好地泛化的 AutoML 算法,意义重大。

MedMNIST 分类十项全能基准测试,将促进未来医学图像分析 AutoML 的相关研究。

相关论文:

开源地址:

https://github.com/MedMNIST/MedMNIST

现在下载数据集,开始你的训练

下载数据集,在线训练机器学习模型,你可以通过 OpenBayes 开启你的练习。

OpenBayes  是一个针对机器学习提供云端算力的云服务平台,它拥有大规模的超算集群,支持多种配置的 GPU、CPU 算力资源,拥有开箱即用泛用型机器学习建模系统,无需机器学习经验,即可快速建立智能系统。

目前 OpenBayes 的算力容器产品已经支持 TensorFlow、PyTorch、MXNet、Darknet、cpp-develop 等 CPU 和 GPU 环境下,不同版本、类型的标准机器学习框架和各种常用依赖。

同时 OpenBayes 还提供 CPU、NVIDIA T4、NVIDIA Tesla V100 等多种算力资源,无论是海量数据的集中训练,还是低功耗的模型常驻运行,都能轻松满足用户需求。

目前 MedMNIST 数据集已经上线 OpenBayes。

访问 openbayes.com  凭邀请码【HyperAI】  注册新用户即可享受每周 240min 的 CPU + 180min NVIDIA vGPU  的免费算力~

访问以下链接点击阅读原文,开启你的 MedMNIST 探索旅程吧!

链接:http://dwz.date/dew2

—— 完 ——

抱歉,暂无相关内容推荐。