雷鋒網(wǎng)消息，美國(guó)國(guó)立衛(wèi)生研究院（NIH）最近發(fā)布了一個(gè)龐大的胸部X光數(shù)據(jù)庫(kù)，現(xiàn)已公開近10600張CT掃描圖像，以支持醫(yī)療人工智能算法的開發(fā)和測(cè)試。

這個(gè)大型成像數(shù)據(jù)庫(kù)被稱為DeepLesion，是由美國(guó)國(guó)立衛(wèi)生研究院的Ronald Summers及其同事創(chuàng)建的。他們對(duì)其機(jī)構(gòu)里的放射科醫(yī)生的CT掃描結(jié)果進(jìn)行了臨床相關(guān)的標(biāo)注。

Summers是NIH影像生物標(biāo)記和計(jì)算機(jī)輔助診斷實(shí)驗(yàn)室的高級(jí)研究員和放射學(xué)家。

根據(jù)美國(guó)國(guó)立衛(wèi)生研究院的說(shuō)法，這些標(biāo)注通常很復(fù)雜，包括描述病變大小和位置的箭頭、線條、分割和文本，以便讓臨床醫(yī)生可以監(jiān)測(cè)疾病變化。標(biāo)注醫(yī)學(xué)圖像需要廣泛的臨床經(jīng)驗(yàn)，并且會(huì)耗費(fèi)大量時(shí)間。

實(shí)際上，缺乏可用于訓(xùn)練AI算法的大型醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)一直被認(rèn)為是AI技術(shù)尋求突破的主要障礙之一。Summers及其同事的努力就是為了改變這種狀況，至少在X光方面 。去年他們發(fā)布了ChestX-ray8數(shù)據(jù)庫(kù)，庫(kù)中包含了100000張X光圖像。

DeepLesion通過(guò)提供足夠強(qiáng)大的CT掃描數(shù)據(jù)庫(kù)和附帶的標(biāo)注來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，從而幫助繞過(guò)這些障礙。美國(guó)國(guó)立衛(wèi)生研究院建議，有朝一日可以“使科學(xué)界能夠創(chuàng)建一個(gè)具有統(tǒng)一框架的大規(guī)模通用病變檢測(cè)器”。

雷鋒網(wǎng)了解到，該數(shù)據(jù)庫(kù)包括來(lái)自馬里蘭州貝塞斯達(dá)NIH臨床中心的4400多名患者的大約10600項(xiàng)研究。雖然目前大多數(shù)數(shù)據(jù)庫(kù)包含10至數(shù)百個(gè)單一類型的病變，但該組設(shè)計(jì)的DeepLesion可容納超過(guò)32000個(gè)病灶，涵蓋各種放射學(xué)發(fā)現(xiàn)，如肺結(jié)節(jié)、淋巴結(jié)腫大和肝腫瘤。

有了多范疇的病變數(shù)據(jù)庫(kù)，DeepLesion為研究人員提供了開發(fā)人工智能算法的機(jī)會(huì)，能夠自動(dòng)檢測(cè)和診斷多種病變類型。美國(guó)國(guó)立衛(wèi)生研究院指出，未來(lái)它還可能發(fā)展成為一個(gè)通用病變檢測(cè)器，可用作初始篩選工具，并將其結(jié)果發(fā)送到其他更專業(yè)的算法。此外，研究人員可能可以在同一次CT掃描中研究不同類型病變之間的關(guān)系，從而全面評(píng)估癌癥負(fù)擔(dān)。

為了開始展示這種潛力，Summers及其同事用DeepLesion數(shù)據(jù)庫(kù)來(lái)訓(xùn)練一個(gè)典型的通用病變檢測(cè)器，以發(fā)現(xiàn)各種病變。他們的探測(cè)器靈敏度達(dá)到81.1％，每個(gè)圖像有5個(gè)假陽(yáng)性。

據(jù)雷鋒網(wǎng)了解，研究人員計(jì)劃繼續(xù)向DeepLesion添加圖像，以提高檢測(cè)器的準(zhǔn)確性，他們希望將MRI掃描包含在數(shù)據(jù)庫(kù)中，并結(jié)合未來(lái)多家醫(yī)院的數(shù)據(jù)。該研究小組認(rèn)為，除了病變檢測(cè)外，該數(shù)據(jù)庫(kù)還可以幫助訓(xùn)練算法對(duì)病變進(jìn)行分類，并根據(jù)現(xiàn)有模式預(yù)測(cè)病變的發(fā)展。

數(shù)據(jù)庫(kù)的下載地址：https://nihcc.app.box.com/v/DeepLesion

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。