Project Imaging-X：针对基础模型开发的 1000 多个开放获取医学成像数据集的调查

基础模型在不同领域和任务中取得了显着的成功，这主要归功于大规模、多样化和高质量数据集的蓬勃发展。然而，在医学影像领域，由于对临床专业知识的依赖以及严格的伦理和隐私约束，此类医学数据集的管理和组装极具挑战性，导致大规模统一医学数据集的稀缺，并阻碍了强大的医学基础模型的发展。在这项工作中，我们提出了迄今为止最大规模的医学图像数据集调查，涵盖 1,000 多个开放访问数据集，并对其模式、任务、解剖结构、注释、限制和集成潜力进行了系统化目录。我们的分析揭示了一个规模适中、在狭窄范围的任务中分散、在器官和模式之间分布不均匀的情况，这反过来又限制了现有医学图像数据集用于开发多功能和强大的医学基础模型的效用。为了将碎片化为规模化，我们提出了一种元数据驱动的融合范式（MDFP），它将公共数据集与共享模式或任务集成在一起，从而将多个小型数据孤岛转变为更大、更一致的资源。在 MDFP 的基础上，我们发布了一个交互式发现门户，该门户支持端到端、自动化的医学图像数据集集成，并将所有调查的数据集编译成统一的结构化表格，该表格清楚地总结了其关键特征并提供参考链接，为社区提供了一个可访问且全面的存储库。通过绘制当前地形图并提供数据集整合的原则性路径，我们的调查为扩展医学成像语料库提供了实用的路线图，支持更快的数据发现、更有原则的数据集创建和更强大的医学基础模型。