MedMNIST：18个数据集开启2D＋3D医学影像之旅，可免费下载( 二 )

多样性：数据集包含多种模态（X光片、视网膜OCT、超声、CT等）、多种任务（多分类、二分类、多标签、有序回归），数据集规模从百量级到十万量级不等；
轻量性：数据集尺寸小， 28*28（2D）或28*28*28（3D）；
【MedMNIST：18个数据集开启2D＋3D医学影像之旅，可免费下载】教育性：生物医学图像分析需要计算机视觉、机器学习、生物医学图像、临床等多种背景知识，所有数据均采用CC（CreativeCommons）许可，便于用于教育目的。
作为一个大规模的医学图像数据集， MedMNISTv2对机器学习和计算机视觉的研究来说具有十分重要的意义，对于自动机器学习、多模态学习、多任务学习、迁移学习等许多研究都起到一定的作用。

表二MedMNISTv2数据集简介
设计原则
MedMNISTv2数据集来源于精心挑选的源数据集，包含多种原始数据模态（如X光片、OCT、超声、电子显微镜等）、不同分类任务（二分类、多分类、有序回归、多标签）和不同的数据集规模（从100量级到100,000量级）。这些源数据集大部分来源于已经发表的公开研究中使用CC许可的数据集，也有伴随MedMNISTv2发布的私有数据。该研究展示了MedMNISTv2数据集全景图（图二）。由于很难将数据模态分类，研究者用图像分辨率来表示数据模态。多样的数据集设计能带来多样的任务难度，这正是作为一个医学图像分类基准应有的特性。
该研究提供了官方的训练集、验证集和测试集的划分，并将所有的数据都预处理成MNIST那样的形式，即28*28(2D)或28*28*28(3D) 。对多数数据集而言，该研究直接使用了源数据集的分类标签；但如果分类任务在小尺寸图像上难度较大，研究者对标签采取了合并或删除操作进行简化。

图二MedMNISTv2全景图
验证实验
该研究在验证集上采用早停法的ResNet为基线方法，对于2D数据集选取ResNet18和ResNet50分别在28*28和224*224（从28分辨率进行插值放大）分辨率上进行测试；对于3D数据集，选取2.5D、3D、ACS卷积的ResNet18和ResNet50进行测试。同时，该研究还选取了三种自动机器学习模型auto-sklearn、AutoKeras和GoogleAutoMLVision 。
所有的实验均进行了三次，并对三次结果计算平均，结果如表三所示。该研究还分别将2D和3D的每种方法在各自的数据集上进行平均，得到每种方法在2D或3D数据集上的平均性能指标，结果如表四所示。

表三MedMNISTv2性能指标

表四MedMNISTv2性能平均指标
快速上手
MedMNISTv2数据集都具有CClicense ，除了两个新发布的3D数据集外，其余数据集均来源于开源的公开数据，详见MedMNIST主页。 MedMNISTv2每个数据集也都和源数据集的CClicense相同，可以下载和使用。该研究提供了dataloader和评估的脚本文件、实验的代码库以及训练的模型权重，相应的Python代码和NumPynpz格式的数据均可在项目主页上公开获取。该研究的dataloader文件通过PyTorch实现，对于不使用PyTorch的用户而言，也可以自行解析标准的NumPy序列化数据集（可以参考代码的字段说明）。
1.medmnist的安装
2.下载MedMNISTv2数据集
3.MedMNISTv2数据集的调用（以PathMNIST为例）
调用medmnist加载数据集，并将数据集转变为PyTorch的dataloader格式