SLICE-3D数据集:从3DTBP中提取的40万张皮肤病变图像作物,用于皮肤癌检测
Nicholas R Kurtansky1, Brian M D'Alessandro2, Maura C Gillis3
1Dermatology Service, Department of Medicine, Memorial Sloan Kettering Cancer Center, New York, New York, USA. kurtansn@mskcc.org.
Scientific data
|August 14, 2024
概括
超过40万张皮肤病变图像的新数据集,SLICE-3D,使得人工智能开发能够更早地检测皮肤癌. 这旨在支持初级保健和患者拍摄的照片,以实现更广泛的访问.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能算法显示了皮肤癌检测的潜力.
- 现有的数据集受到选择偏差和缺乏标准化的限制,仅限于熟练的临床医生使用.
- 需要更容易获取的数据集来训练人工智能用于更广泛的临床应用.
研究的目的:
- 引入SLICE-3D数据集,解决以前的皮肤病变图像收集的局限性.
- 促进AI算法的开发,用于在各种环境中检测皮肤癌.
- 通过改进的人工智能工具,实现早期皮肤癌检测.
主要方法:
- 从3D全身摄影中系统地提取未识别的皮肤病变图像.
- 包括来自七个国际皮肤病学中心的40多万个不同的皮肤病变.
- 确保与智能手机图像可比的图像质量.
主要成果:
- SLICE-3D数据集包含了大量多样化的皮肤病变图像.
- 图像适合在低质量,非专家捕获的照片上训练人工智能.
- 该数据集克服了以前公开的皮肤病变数据集的许多局限性.
结论:
- 该SLICE-3D数据集为推进皮肤癌检测中的AI提供了宝贵的资源.
- 在此数据集上训练的算法可以改善临床工作流程,并使早期诊断成为可能.
- 这一资源可能会导致人工智能工具在初级保健和面向患者的环境中更广泛地部署.
