A comprehensive and easy-to-use multi-domain multi-task medical imaging meta-dataset (MedIMeta)

虽然医学图像分析领域已经通过整合机器学习技术而发生了变革，但这些技术的主要挑战通常是缺乏大规模、多样化和良好注释的数据集。医学图像的格式、大小和其他参数各不相同，因此需要进行广泛的预处理和标准化，以便在机器学习中使用。为了解决这些挑战，我们介绍了医学成像元数据集（MedIMeta），这是一个新颖的多领域、多任务元数据集。MedIMeta包含19个医学成像数据集，涵盖10个不同的领域和54个不同的医学任务，所有这些数据集都采用相同的格式进行标准化，可以在PyTorch或其他机器学习框架中方便地使用。我们对MedIMeta进行了技术验证，通过完全监督和跨领域少样本学习基线展示了其实用性。

本文旨在解决医学图像分析中数据集稀缺的问题，提出了一个多领域、多任务的元数据集，以便于机器学习的使用。

本文提出了一个名为MedIMeta的元数据集，包含19个医学图像数据集，涵盖10个不同领域和54个不同的医学任务，并将它们标准化为相同的格式，方便在PyTorch等机器学习框架中使用。作者通过全监督和跨领域少样本学习基线验证了MedIMeta的实用性。

本文的亮点包括：提出了一个多领域、多任务的元数据集；将19个医学图像数据集标准化为相同的格式；通过全监督和跨领域少样本学习基线验证了MedIMeta的实用性。作者还开源了数据集和代码，方便其他研究者的使用。未来的工作可以进一步探索如何扩大数据集规模和提高数据集的多样性。

最近在这个领域中，还有一些相关研究，例如：Transfer Learning for Medical Image Analysis，A Survey on Deep Learning in Medical Image Analysis，Medical Image Analysis using Deep Learning: A Review等。