MedMNIST: 一个大规模轻量级的2D和3D生物医学图像分类基准数据集

MedMNIST简介

MedMNIST是由来自上海交通大学、哈佛大学等机构的研究人员开发的一个大规模生物医学图像数据集集合。它包含了12个2D数据集和6个3D数据集,涵盖了多种医学成像模态,如X射线、CT、MRI等。MedMNIST的设计初衷是为生物医学图像分类任务提供一个标准化的基准测试平台,同时也可作为教学和研究的理想资源。

MedMNIST的主要特点

1. 多样性: MedMNIST涵盖了多种医学成像模态,数据规模从100到100,000不等,包括二分类、多分类、多标签分类和序数回归等多种任务类型。

2. 标准化: 所有图像都经过预处理,统一为28x28(2D)或28x28x28(3D)的尺寸,并附有相应的分类标签。这种标准化的格式使得用户无需具备专业的医学背景知识就能使用。

3. 用户友好: 轻量级的图像尺寸非常适合用于评估机器学习算法。此外,MedMNIST还提供了更大尺寸的版本(MedMNIST+),包括64x64、128x128和224x224的2D图像,以及64x64x64的3D图像。

4. 教育价值: 生物医学图像分析是一个跨学科领域,MedMNIST的设计使其成为教育和研究的理想工具。

MedMNIST的数据集结构

MedMNIST包含了以下几类数据集:

2D数据集

• PathMNIST: 结肠病理学图像,9类分类任务
• ChestMNIST: 胸部X光图像,14标签多标签分类
• DermaMNIST: 皮肤镜图像,7类分类任务
• OCTMNIST: 视网膜OCT图像,4类分类任务
• PneumoniaMNIST: 胸部X光图像,2类分类任务
• RetinaMNIST: 眼底照相图像,5类序数回归任务
• BreastMNIST: 乳腺超声图像,2类分类任务
• BloodMNIST: 血细胞显微镜图像,8类分类任务
• TissueMNIST: 肾皮质显微镜图像,8类分类任务
• OrganAMNIST/OrganCMNIST/OrganSMNIST: 腹部CT图像,11类分类任务

3D数据集

• OrganMNIST3D: 腹部CT图像,11类分类任务
• NoduleMNIST3D: 胸部CT图像,2类分类任务
• AdrenalMNIST3D: 腹部CT图像形状,2类分类任务
• FractureMNIST3D: 胸部CT图像,3类分类任务
• VesselMNIST3D: 脑MRA图像形状,2类分类任务
• SynapseMNIST3D: 电子显微镜图像,2类分类任务

每个子数据集都包含训练集、验证集和测试集,便于研究人员进行算法的开发和评估。

MedMNIST的应用价值

1. 医学图像分析基准: MedMNIST为研究人员提供了一个标准化的平台,用于评估和比较不同的机器学习算法在生物医学图像分类任务上的性能。

2. 教育资源: 对于计算机科学和医学专业的学生来说,MedMNIST是一个理想的学习资源,可以帮助他们理解医学图像分析的基本概念和技术。

3. 算法开发: 轻量级的数据格式使得研究人员可以快速验证新的算法思想,为更复杂的医学图像分析任务奠定基础。

4. 迁移学习研究: 多样化的数据集为研究迁移学习和领域适应等技术提供了良好的实验环境。

5. 医学AI模型原型开发: MedMNIST+提供的大尺寸图像版本,为开发医学领域的基础模型提供了标准化的资源。

使用MedMNIST

研究人员和开发者可以通过以下方式使用MedMNIST:

1. 安装MedMNIST Python包:

pip install medmnist

2. 加载数据集:

from medmnist import PathMNIST
train_dataset = PathMNIST(split="train")

3. 使用自动下载功能:

from medmnist import NoduleMNIST3D
val_dataset = NoduleMNIST3D(split="val", download=True)

4. 访问MedMNIST+大尺寸版本:

from medmnist import ChestMNIST
test_dataset = ChestMNIST(split="test", download=True, size=224)

MedMNIST支持PyTorch框架,但也可以轻松地与其他深度学习框架一起使用。

结论

MedMNIST作为一个大规模、多样化的生物医学图像数据集集合,为医学图像分析领域提供了宝贵的资源。它不仅为算法开发和评估提供了标准化的基准,还为教育和研究提供了理想的平台。随着MedMNIST+的发布,该项目进一步扩展了其应用范围,为开发医学AI基础模型铺平了道路。

然而,需要注意的是,MedMNIST并不适用于临床诊断。它的主要目的是为研究和教育提供支持。随着医学图像分析技术的不断发展,MedMNIST有望继续发挥重要作用,推动这一领域的进步。

研究人员和开发者如果在工作中使用了MedMNIST,应当适当引用相关论文,以支持该项目的持续发展。同时,使用特定子数据集时,也应当引用原始数据的相关论文。

MedMNIST的开放性和标准化特性,使其成为连接医学和人工智能领域的重要桥梁。随着更多研究人员的参与和贡献,MedMNIST有望在未来继续扩展和完善,为生物医学图像分析领域的发展提供持续的动力。