上海交大发布 MedMNIST 医学图像分析数据集 & 新基准
来源：HyperAI超神经
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。
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
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：
https://arxiv.org/pdf/2010.14925.pdf
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。
相关内容
微信扫码咨询专知VIP会员