2014至2018年MICCAI论文中公开可用数据的作用
机器学习
2019-08-20 v1 图像与视频处理
机器学习
摘要
广泛使用的公开基准对计算机视觉和机器学习研究极为重要，尤其是随着复现 SOTA 结果所需的计算资源迅速变得难以承受。在医学图像计算领域，图像模态和问题表述的多样性产生了庞大的任务空间供基准覆盖，因此标准基准的广泛采用一直缓慢，而发布医学数据的障碍加剧了这一问题。在本文中，我们考察了过去五年 MICCAI 论文中公开可用数据所起的作用。我们发现超过一半的论文仅基于私有数据，尽管这一比例似乎随时间在下降。此外，我们观察到在控制开放获取发表和代码发布后，基于公开数据的论文每年被引用次数比基于私有数据的论文高出 60% 以上。进一步，我们发现使用公开数据的论文中超过 20% 未提供对数据集或相关手稿的引用，凸显了数据贡献相较于理论贡献常处于的“二等”地位。最后我们提出 MICCAI 政策建议，以更好地激励数据共享并推动该领域迈向更高效和可复现的科学。
引用
@article{arxiv.1908.06830,
title = {The Role of Publicly Available Data in MICCAI Papers from 2014 to 2018},
author = {Nicholas Heller and Jack Rickman and Christopher Weight and Nikolaos Papanikolopoulos},
journal= {arXiv preprint arXiv:1908.06830},
year = {2019}
}
备注
8 pages, 2 figures