NIH 臨牀中心最新公佈了一個迄今規模最大的多類別、病竈級別標註臨牀醫療 CT 圖像開放數據集 DeepLesion，研究人員在此基礎上訓練深度神經網絡，創建了一個具有統一框架的大規模通用病竈檢測器，能夠更準確、更自動地衡量患者體內所有病竈的大小，實現全身範圍的癌症初步評估。數據集包含：
- 4,427 名獨立的匿名患者
- 10,594 次 CT 掃描（平均每位患者有 3 次隨訪）
- 32,735 個帶標記的病竈實例
- 一共 928,020 張 CT 橫切圖像（512×512 分辨率）
每個切片被命名爲“{患者索引}_{研究索引}_{系列索引}/{切片索引}.png”
在3DCE算法裏找到窗寬的設置爲[-1024, 3071]
圖像以無符號16位存儲，要得到原始的 Hounsfield unit (HU) 值，需要從像素強度中減去32768.
數據集不僅提供了包含病變主是的關鍵CT切片，害提供了它的3D上下文（關鍵切片上下各30mm的額外切片）。由於數據量很大（221GB），我們將他們打包爲56個更小的zip文件以供下載。
註釋文件分析：
在 DL info.csv，每一行都是深部病變的信息。列的意義是
- 文件名。請用/或\替換最後的下劃線，以指示子文件夾
- 患者指數從1開始
- 每個患者的研究指標從1開始。每個患者有126個研究。
- 系列ID
- 包含病變註釋的關鍵切片的切片指數，從1開始
- 8D矢量，病變兩個直徑的圖像座標。[x, y, x, y, x, y, x, y]。 前4個座標是長軸。請參閱我們的論文及其補充材料作進一步說明
- 4D向量，病變的邊界盒[x, y, x, y]從直徑估計，見我們的論文。
- 二維向裏，長軸和短軸的長度。單位是像素
- 病竈中心的相對身體位置。唑座標由自監督體部迴歸器進行預測。詳見我們的論文。這些座標是近似值，僅供參考
- 病變的類型。1~8型分別爲骨、腹、縱膈、肝、肺、腎、軟組織、骨盆。詳見我們的論文。病變類型有粗略定義，僅供叄考。只有ⅶa和測試集中的病變被標註爲-1
- 根據手動檢查，如果該病竈的註釋可能有噪聲，則將該字段設置爲1.到目前爲止，我們在32,735條註釋中找到了35條
- 片範圍。這個數據集中提供了與鍵片相鄰的上下文片。如第一個病竈，關鍵切片爲109，切片範圍爲103-115，即提供103-115片時於大多數病變，我們在關鍵切片上下分別提供3mm的額外切片，除非病變的長軸大於這個厚度（然後我們提供更多），或者達到體積的開始或結束
- x軸、軸和的間距（每像素毫米）。第三個值是片間隔，即兩個片之間的物理距離
- 圖像的大小
- Hounsfield單元中從原始DCOM件中提取的窗口(最小-最大）
- 病人性別。F代表女性，M代表男性
- 病人的年齡
- 官方隨機生成的患者級數據分割，訓練=1，驗證=2，則試=3
