MURA：用于肌肉骨骼X线影像异常检测的大规模数据集
医学物理
2018-05-23 v4 人工智能
摘要
我们介绍了 MURA，一个包含 14,863 项研究中 40,561 张图像的肌肉骨骼X线影像大规模数据集，其中每项研究均由放射科医生手动标注为正常或异常。为了稳健地评估模型并估计放射科医生的性能，我们在测试集（由 207 项肌肉骨骼研究组成）上收集了六位斯坦福委员会认证放射医生的额外标注。在该测试集上，三位放射医生小组的多数投票作为金标准。我们训练了一个 169 层 DenseNet 基线模型来检测和定位异常。我们的模型达到了 0.929 的 AUROC，在操作点上灵敏度为 0.815、特异度为 0.887。我们在 Cohen's kappa 统计量上比较了我们的模型与放射医生，该统计量表达了我们的模型以及每位放射医生与金标准的一致性。在手指和腕部研究的异常检测中，模型性能可与最佳放射医生性能相媲美。然而，在肘部、前臂、手部、肱骨和肩部研究的异常检测中，模型性能低于最佳放射医生性能。我们认为该任务对未来研究是一个良好的挑战。为了推动进展，我们已在 https://stanfordmlgroup.github.io/competitions/mura 免费公开我们的数据集。
引用
@article{arxiv.1712.06957,
title = {MURA: Large Dataset for Abnormality Detection in Musculoskeletal Radiographs},
author = {Pranav Rajpurkar and Jeremy Irvin and Aarti Bagul and Daisy Ding and Tony Duan and Hershel Mehta and Brandon Yang and Kaylie Zhu and Dillon Laird and Robyn L. Ball and Curtis Langlotz and Katie Shpanskaya and Matthew P. Lungren and Andrew Y. Ng},
journal= {arXiv preprint arXiv:1712.06957},
year = {2018}
}
备注
1st Conference on Medical Imaging with Deep Learning (MIDL 2018)