上海交大发布 MedMNIST 医学图像分析数据集 & 新基准

医学图像分析是一个公认的「老大难」课题。

首先它是一个跨学科领域，要求从业者具备多方面知识背景，即使你是钻研计算机视觉的专业人士，又或者是一个临床医学从业者，那你充其量只迈出了进行医学图像分析的半只脚。

乐观估计，经过多年的学习和研究，你终于掌握了计算机视觉和临床医学的双向技能，那接下来的操作也能让你愁到头秃，因为这些数据来源五花八门，有 X 射线、CT、超声……分析处理这么多个不同模式的非标准数据集，也太难了！

这还没完，深度学习虽然在医学图像分析的研究和应用中，已经占据主导地位，但模型调整需要的人力成本太高了，AutoML 好使是好使，但是目前基本没有用于医学图像分类的 AutoML 基准。

医学图像分析困难重重，然而上海交通大学近期发布的 MedMNIST 数据集，则为终结这些老大难问题，带来了一大利器。

MedMNIST 是一个包含 10 个医学公开数据集的集合，且全部数据均已经过预处理，将其分为包括训练集、验证集、测试子集的标准数据集。数据来源包括 X 射线、OCT、超声、CT 等不同成像模式，得到了同一病灶的多模态数据。与 MNIST 数据集一样，MedMNIST 可以在轻量级 28*28 图像上执行分类任务。

十个数据集的数据模式、适用任务及图像数量

MedMNIST 具有以下特点：

教育性：多模态数据来自于多个公共医学图像数据集，采用知识共享（CC）许可协议或自由许可协议，方便教学使用。

标准化：全部数据已经预处理成相同的格式，降低准入门槛，任何人都可以使用。

多样性：多模态数据集涵盖了不同的数据模式，数据规模从 100 到 100,000 都支持，任务类型也丰富为二元分类、多元分类、有序回归和多标签。

轻量级：28*28 的图像尺寸便于迅速进行原型设计，对多模态机器学习和 AutoML 算法进行快速迭代和实验。

MedMNIST Dataset

下载数据集，在线训练机器学习模型，你可以通过 OpenBayes 开启你的练习。

OpenBayes 是一个针对机器学习提供云端算力的云服务平台，它拥有大规模的超算集群，支持多种配置的 GPU、CPU 算力资源，拥有开箱即用泛用型机器学习建模系统，无需机器学习经验，即可快速建立智能系统。

目前 OpenBayes 的算力容器产品已经支持 TensorFlow、PyTorch、MXNet、Darknet、cpp-develop 等 CPU 和 GPU 环境下，不同版本、类型的标准机器学习框架和各种常用依赖。

同时 OpenBayes 还提供 CPU、NVIDIA T4、NVIDIA Tesla V100 等多种算力资源，无论是海量数据的集中训练，还是低功耗的模型常驻运行，都能轻松满足用户需求。

目前 MedMNIST 数据集已经上线 OpenBayes。

访问以下链接，开启你的 MedMNIST 探索旅程吧！