MedMNIST：18个数据集开启2D＋3D医学影像之旅，可免费下载

机器之心专栏
上海交通大学等
MedMNISTv2医学图像数据集已经发布，相较MedMNISTv1 ， MedMNISTv2新增了2个2D生物图像数据，以及6个3D生物医学图像数据。

在基于深度学习的人工智能和计算机视觉技术的快速发展下，医学影像分析领域得到了长足的发展，以至于深度学习成为医学图像分析领域中最核心的研究方式之一。医学影像分析中的数据模态、数据集规模和任务类型存在十分显著的差异性。尽管目前医学影像计算机视觉已经获得了长足发展，但仍存在许多研究问题尚未得到充分的解决，例如：
开展实际医学人工智能相关的研究时往往会面临数据孤岛问题，尽管医学数据十分丰富，但由于数据隐私等问题，研究者能访问到的数据十分稀缺。
医学影像算法任务中，调整深度学习模型需要大量的工作投入，如网络架构选择、优化策略、预处理和数据增强等，事实上很多设计可以通过自动机器学习来解决。
医学图像领域根据特定目的发展出了许多图像模态，不同模态泛化能力对于模型十分重要，但评估模型的泛化能力往往需要大量的数据集。
由于医学图像相对复杂的特性，使得预处理、建模流水线等会扮演极其重要的角色，甚至超过机器学习的部分（如nnUNet）。尽管模型端到端的性能非常重要，但研究者也需要标准化的、只需要关注机器学习部分的数据以加速研究过程。
为了解决上述问题，来自上海交通大学等机构的研究者发布了MedMNIST(v2)数据集，本数据库的构建工作由上海交通大学倪冰冰教授团队牵头完成，杨健程博士为第一作者。本文将从组成、性能指标、使用方法等方面对MedMNIST数据集进行简要的介绍。

论文地址：https://arxiv.org/pdf/2110.14795.pdf
数据和代码链接：https://medmnist.com

图一MedMNISTv2数据集概览
对不同领域的数据驱动方法进行基准测试已有一些研究工作。 VisualDomainDecathlon在10个现有的自然图像数据集上开发了一个评估基准，以评估模型在不同领域上的泛化能力。在医学成像领域， MedicalSegmentationDecathlon引入了10个3D医学图像分割数据集来评估端到端分割性能。当然，理解当前最新的MSD端到端的性能是尤其重要的。然而，端到端系统中每个部分的贡献可能特别难以分析。正如在MSD取胜解决方案中所报告的那样，超参数调优、预处理/后处理、模型集成策略和训练/测试时增强可能比机器学习部分（如模型架构、学习方案）更为重要。因此，该研究发布了MedMNIST数据集，一个大规模的类MNIST的医学图像数据集。经过标准化和轻量化， MedMNIST多样的数据设计可以为丰富的研究提供支持。相较MedMNISTv1 ， MedMNIST新增了2个2D生物图像数据，以及6个3D生物医学图像数据。 MedMNISTv2与其他「decathlon」数据集的比较如表一所示。

表一MedMNISTv2与其他「decathlon」数据集比较
数据简介
MedMNISTv2是一个大规模的2D和3D医学图像分类数据集，包含12个2D数据集和6个3D数据集，其中2D数据集有708069张图片， 3D数据集有10214张图片。
MedMNISTv2具有以下几个特点：
标准性：数据集具有相同的大小28*28（2D）或28*28*28（3D），并提供了标准的训练集、验证集和测试集的划分；