上海交大發布 MedMNIST 醫學影像分析資料集 & 新基準

醫學影像分析是一個公認的「老大難」課題。

首先它是一個跨學科領域，要求從業者具備多方面知識背景，即使你是鑽研計算機視覺的專業人士，又或者是一個臨床醫學從業者，那你充其量只邁出了進行醫學影像分析的半隻腳。

樂觀估計，經過多年的學習和研究，你終於掌握了計算機視覺和臨床醫學的雙向技能，那接下來的操作也能讓你愁到頭禿，因為這些資料來源五花八門，有 X 射線、CT、超聲……分析處理這麼多個不同模式的非標準資料集，也太難了！

這還沒完，深度學習雖然在醫學影像分析的研究和應用中，已經佔據主導地位，但模型調整需要的人力成本太高了，AutoML 好使是好使，但是目前基本沒有用於醫學影像分類的 AutoML 基準。

MedMNIST 分類十項全能一覽

醫學影像分析困難重重，然而上海交通大學近期釋出的 MedMNIST 資料集，則為終結這些老大難問題，帶來了一大利器。

MedMNIST 是一個包含 10 個醫學公開資料集的集合，且全部資料均已經過預處理，將其分為包括訓練集、驗證集、測試子集的標準資料集。資料來源包括 X 射線、OCT、超聲、CT 等不同成像模式，得到了同一病灶的多模態資料。與 MNIST 資料集一樣，MedMNIST 可以在輕量級 28*28 影像上執行分類任務。

十個資料集的資料模式、適用任務及影像數量

MedMNIST 具有以下特點：

教育性：多模態資料來自於多個公共醫學影像資料集，採用知識共享（CC）許可協議或自由許可協議，方便教學使用。

標準化：全部資料已經預處理成相同的格式，降低准入門檻，任何人都可以使用。

多樣性：多模態資料集涵蓋了不同的資料模式，資料規模從 100 到 100,000 都支援，任務型別也豐富為二元分類、多元分類、有序迴歸和多標籤。

輕量級：28*28 的影像尺寸便於迅速進行原型設計，對多模態機器學習和 AutoML 演算法進行快速迭代和實驗。

下載資料集，線上訓練機器學習模型，你可以透過 OpenBayes 開啟你的練習。

OpenBayes 是一個針對機器學習提供雲端算力的雲服務平臺，它擁有大規模的超算叢集，支援多種配置的 GPU、CPU 算力資源，擁有開箱即用泛用型機器學習建模系統，無需機器學習經驗，即可快速建立智慧系統。

目前 OpenBayes 的算力容器產品已經支援 TensorFlow、PyTorch、MXNet、Darknet、cpp-develop 等 CPU 和 GPU 環境下，不同版本、型別的標準機器學習框架和各種常用依賴。

同時 OpenBayes 還提供 CPU、NVIDIA T4、NVIDIA Tesla V100 等多種算力資源，無論是海量資料的集中訓練，還是低功耗的模型常駐執行，都能輕鬆滿足使用者需求。

目前 MedMNIST 資料集已經上線 OpenBayes。