Jan, 2019

PadChest：一种大型胸部X射线影像数据集，具有多标签注释报告

HTML
PDF
TL;DR本文介绍了一个标记大规模、高分辨率的胸部X光数据集，用于自动探索医学图像和相关报告，并在报告中标记了174个不同的放射学发现，19个不同的差异诊断和104个不同的解剖部位位置，这些标记数据可用于训练监督模型关于放射学图像的分析与识别。此数据集可在http URL下载。
发现论文，激发创造
  • ChestX-ray8:医院规模的胸部X光数据库和关于常见胸部疾病弱监督分类和定位的基准测试

    本文介绍了一个新的胸部X光数据库，名为“ ChestX-ray8 ”，其中包括108948个患者的32,717个独特患者的前瞻性X光图像 和使用自然语言处理从相关放射学报告中提取的八个疾病图像标签。作者展示了这些常见的胸部疾病可以通过弱监督的多标签图像分类和疾病定位框架进行检测甚至空间定位，并证明了这一点。尽管初始数量结果报告良好，但基于深度卷积神经网络的“阅读胸部X射线”（仅通过图像级标签训练）仍然是完全自动化的高精度CAD系统的艰巨任务。

    May, 2017

  • CheXpert：一份具有不确定性标签和专家比较的大型胸透数据集

    CheXpert是一个包含224,316个患者的65,240个胸部X射线片的大型数据集，通过自动检测放射学报告中14个观察结果的存在来捕捉放射X线解释中固有的不确定性，并且利用不同的不确定性方法来训练卷积神经网络，将此数据集作为标准基准来评估胸部X射线解释模型的性能。

    Jan, 2019

  • 探索大规模公共医学图像数据集

    本文旨在探讨开放式医疗数据集的质量控制问题，通过对ChestXray14和MURA两个数据集的视觉比对，发现标签的准确性存在问题，该研究建议公开数据集制作者应当进行质量控制并提供详细的数据生成过程及标注规则描述。

    Jul, 2019

  • 量化侧面视图在深度学习胸部X光中的价值

    本文研究如何利用深度学习模型从多角度的胸部X光图像中预测医学影像学标签，并探索了合并后楯前后位和侧位图像方法的不同影响，结果发现侧位的加入显著提高了 32 种医学影像学标签的检测能力。

    Feb, 2020

  • 临床推理胸部影像数据集

    本研究提供了基于场景图的Chest ImaGenome数据集，利用自然语言处理和基于图集的边界框检测构建了局部标注，并通过放射学家构建的X线诊断本体论将每个CXR的注释连接为以解剖学为中心的场景图。

    Jul, 2021

  • XrayGPT: 医学视觉语言模型用于胸部X光摘要

    本研究介绍了 XrayGPT，一种新型的会话式医疗视觉-语言模型，可以分析并回答关于胸部 X 光片的开放式问题。通过将医疗视觉编码器 MedClip 与微调的大型语言模型 Vicuna 进行对齐，并使用简单的线性变换，我们的模型能够具备出色的视觉会话能力，从而深入理解放射学和医学领域的知识。

    Jun, 2023

  • CheXmask：一个多中心胸部X射线图像的解剖分割掩膜的大规模数据集

    通过六个公开数据库的统一和精细的解剖学标注，提出了一个广泛的胸部X射线多中心分割数据集。在这个数据集中，使用HybridGNet模型进行严格的验证和高质量的分割，提供了每个掩膜的个性化质量指数和数据集的整体质量评估。该数据集对于胸部X射线分析方法的开发和评估具有重要价值。

    Jul, 2023

  • 用非专家注释增强胸部 X 射线图数据集

    通过非专家标注从自由文本医疗报告中提取自动注释，扩大训练数据集，以增加机器学习算法在医学图像分析中的进展，并比较非专家标注与专家标注的一致程度。

    Sep, 2023

  • 利用隐私保护的大型语言模型和多类型标注增强胸部 X 光数据集：提高分类的数据驱动方法

    使用MAPLEZ方法，使用基于规则的系统从CXR报告中提取和增强发现标签，包括存在性、位置、严重程度以及放射科医生对发现的不确定性，并在分类监督中取得了显著的模型质量提升

    Mar, 2024

  • PadChest-GR：一种用于基于图像的放射学报告生成的双语胸部X射线数据集

    本研究解决了当前缺乏用于训练基于图像的放射学报告生成模型的手动注释胸部X射线数据集的问题。提出的PadChest-GR数据集包含4,555个双语胸部X射线研究和详细的临床相关发现本地化注释，为放射学模型的训练和评估提供了重要资源。其显著发现是PadChest-GR是首个专门为放射学报告生成模型设计的手动整理数据集。

    Nov, 2024