医学影像领域的ImageNet。
7月20日发表在《Journal of Medical Imaging 》上的文章“DeepLesion: Automated mining of large-scale lesion annotations and universal lesion detection with deep learning”,NIHCC声明发布目前世界上最大的CT医学病变图像数据集,所有人都可以公开获得。这些数据将会是机器学习算法的训练集基础;到目前为止,世界上尚没有机构公开提供对深度学习方法发展至关重要的大规模已经标注的放射图像数据集,而Deeplesion将会填补这一领域重要空白。
(欢迎关注“我爱计算机视觉”,一个有价值有深度的公众号~)
DeepLesion由美国国立卫生研究院临床中心(NIHCC)的团队开发,是通过从他们自己的图片存档和通信系统中挖掘历史医学数据而开发的。这个新的数据集具有极大的潜力,将会大大促进计算机辅助检测(CADe)和计算机辅助诊断(CADx)领域的技术发展。
该数据库中图像包括多种病变类型,包括肾脏病变,骨病变,肺结节和淋巴结肿大。缺乏多类别病变数据集,一直是开发能够检测多种病变类型的更通用CADe框架的主要障碍。而DeepLesion多类别病变数据集可以用来开发自动化放射诊断的CADx系统。
数据库是使用原始注释 - “书签”构建的 - 来自图像档案的医学图像中具有临床意义的发现。在分析了这些书签的特征(包括箭头,线条,椭圆,分段和文本等不同形式&#x