RSNA Knee Abnormality Detection ist ein von alenic zusammengestellter Datensatz medizinischer Bildgebung von Kniegelenken. Basierend auf den Rohdaten von RSNA Knee Abnormality Detection wurden DICOM-Bilder vorverarbeitet, in das JPEG-Format konvertiert und einheitlich auf 224 × 224 Pixel skaliert. Ziel ist es, standardisierte Bilddaten für Computer-Vision-Aufgaben im Zusammenhang mit der Erkennung von Knieanomalien bereitzustellen.

Der ursprüngliche RSNA-Datensatz enthält MRT-Aufnahmen von Kniegelenken sowie zugehörige Annotationsinformationen. Er umfasst verschiedene Anomalien wie Bänder- und Meniskusschäden, Arthrose, Gelenkergüsse, Synovitis, Knochenprellungen und Frakturen. Nach der Konvertierung des Bildformats und der Vereinheitlichung der Bildgröße eignet sich der Datensatz besser für das Training von Deep-Learning-Modellen, Bildklassifikation und Experimente zur medizinischen Bilderkennung.

Zusammensetzung des Datensatzes

• Datenvolumen: Die annotierte Größe dieser vorverarbeiteten Version umfasst etwa 820 K Bilder mit einer Gesamtgröße von ca. 10,77 GB.
• Datenformat: JPEG-Bilder und zugehörige CSV-Metadatendateien.
• Aufgabenzweck: Erkennung und Klassifizierung relevanter Anomalien auf Basis von MRT-Bildern des Kniegelenks.
• Vorverarbeitungsmethode: Lesen der DICOM-Bilder, Konvertierung in uint8-Bilder und Skalierung auf 224 × 224 Pixel.
• Annotationsinformationen: Die Daten sind über Felder und Labels organisiert, die in den zugehörigen CSV-Dateien bereitgestellt werden; die spezifischen Annotationsinhalte richten sich nach den tatsächlich in dieser Version verfügbaren Dateien.