资源 | 吴恩达推荐：斯坦福放出最大放射影像数据集，在4万张X光片上完成ML挑战赛

大数据文摘作品

编译：闫雨莹

斯坦福大学ML Group昨天发布了一个新的数据集——MURA。据官网信息，这一数据集由自12,173名患者的14,863项研究组成，总共包括了40,561张多视角肌肉骨骼X光片。

MURA官网链接：

https://stanfordmlgroup.github.io/competitions/mura/

此外，斯坦福还在这个数据集的基础上发布了举办深度学习挑战赛的消息，目的十分明确：你的算法能不能打败放射科医生？

不管是数量还是质量，这一最新发布的数据集都非常优质，斯坦福教授吴恩达也在推特上推荐了这个比赛。

目前，肌肉骨骼疾病影响全球超过17亿人，斯坦福这一数据集旨在帮助医学影像技术取得重大进展，从而改善世界上许多缺乏放射科医生的医疗机构的状况。

关于MURA

据官网介绍，MURA是肌肉骨骼放射照片的数据集，由来自12,173名患者的14,863项研究组成，总共包含40,561个多视角放射图像。

图片囊括了七种放射科主要研究对象：手肘，手指，前臂，手，肱骨，肩膀和手腕。

这些数据的搜集横跨十年：2001年-2012年，斯坦福大学医院的放射科认证医生们对每个研究对象，都手动标记下了正常或异常的标签。

为为了评估模型以及放射科医师的表现，斯坦福ML Group从测试集上六名斯坦福放射科医师那里重新收集了额外标签，其中包括207项肌肉骨骼研究。使用PACS系统，放射科医师对这些研究进行了逐个回顾性检查，并将测试集中的每项研究标记为，临床阅读室环境中的正常或异常的DICOM文件。

这些放射科医师的平均工作年限为8.83年。我们随机选择了这些放射科医师中的3位，创建了一个“医生黄金标准”。

那么，如何报名参加比赛呢？

MURA将使用非公开的测试装置对你的代码进行官方评估。参赛团队可以在Codalab上提交他们的可执行代码，然后运行在不公开可读的测试集上即可。这样的设置保留了测试结果的完整性。

ML Group还发布了一个官方评估代码的教程。

教程链接：

https://worksheets.codalab.org/worksheets/0x42dda565716a4ee08d61f0a23656d8c0/

一旦模型被正式评估，你的分数就将被添加到右侧排行榜上。

目前，在这一排行榜上列出的是斯坦福专业放射科医生的成绩。

【今日机器学习概念】

Have a Great