用于结合临床背景识别黑色素瘤的以患者为中心的图像与元数据数据集
图像与视频处理
2020-08-18 v1 计算机视觉与模式识别
计算机与社会
医学物理
摘要
先前的皮肤图像数据集未涉及从同一患者多处皮肤病变获得的患者级信息。尽管人工智能分类算法在考察单张图像的受控研究中已达到专家级性能，但在实践中皮肤科医生是基于同一患者的多处病变整体做出判断。本文所述的2020年SIIM-ISIC黑色素瘤分类挑战数据集正是为弥补先前挑战赛与临床实践间的这一差距而构建，其为数据集中每幅图像提供了一个标识符，使得同一患者的病变可相互映射。这种患者级背景信息常被临床医生用于诊断黑色素瘤，且在排除具有许多非典型痣的患者的假阳性时尤为有用。该数据集涵盖三大洲的2056名患者，平均每人16处病变，包含33,126张皮肤镜图像以及584例经组织病理学确认的黑色素瘤与良性黑色素瘤模拟病变。
引用
@article{arxiv.2008.07360,
title = {A Patient-Centric Dataset of Images and Metadata for Identifying Melanomas Using Clinical Context},
author = {Veronica Rotemberg and Nicholas Kurtansky and Brigid Betz-Stablein and Liam Caffery and Emmanouil Chousakos and Noel Codella and Marc Combalia and Stephen Dusza and Pascale Guitera and David Gutman and Allan Halpern and Harald Kittler and Kivanc Kose and Steve Langer and Konstantinos Lioprys and Josep Malvehy and Shenara Musthaq and Jabpani Nanda and Ofer Reiter and George Shih and Alexander Stratigos and Philipp Tschandl and Jochen Weber and H. Peter Soyer},
journal= {arXiv preprint arXiv:2008.07360},
year = {2020}
}
备注
Figures: 3, Tables: 2, Pages: 12