داده‌باز / مخزن

مجموعه داده RSNA Intracranial Hemorrhage Detection یکی از بزرگ‌ترین دیتاست‌های عمومی برای تشخیص خونریزی داخل جمجمه در تصاویر سی‌تی‌اسکن مغز است. این مجموعه شامل بیش از ۲۵ هزار مطالعه CT و حدود ۸۷۴ هزار برش تصویری از چندین مرکز درمانی است. تصاویر توسط متخصصان نورورادیولوژی برای وجود یا عدم وجود خونریزی و پنج زیرنوع اصلی آن شامل اپیدورال (EDH)، ساب‌دورال (SDH)، ساب‌آراکنوئید (SAH)، داخل پارانشیمی (IPH) و داخل بطنی (IVH) برچسب‌گذاری شده‌اند. این دیتاست به طور گسترده در توسعه و ارزیابی الگوریتم‌های هوش مصنوعی برای تشخیص خودکار خونریزی مغزی مورد استفاده قرار می‌گیرد.

این مجموعه یکی از شناخته‌شده‌ترین دیتاست‌های عمومی EEG برای پژوهش در زمینه اسکیزوفرنی است که توسط مؤسسه روان‌پزشکی و نورولوژی ورشو (IBIB PAN) منتشر شده است. دیتاست شامل ثبت EEG از ۱۴ بیمار مبتلا به اسکیزوفرنی پارانوئید و ۱۴ فرد سالم است. سیگنال‌ها در حالت استراحت با چشم‌های بسته، با نرخ نمونه‌برداری ۲۵۰ هرتز و بر اساس سیستم استاندارد 10–20 از ۱۹ کانال EEG (Fp1، Fp2، F7، F3، Fz، F4، F8، T3، C3، Cz، C4، T4، T5، P3، Pz، P4، T6، O1 و O2) ثبت شده‌اند. داده‌ها در قالب فایل‌های EDF منتشر شده و تحت مجوز CC0 به‌صورت آزاد در دسترس هستند. این دیتاست به‌طور گسترده برای تحلیل اتصال عملکردی مغز، استخراج ویژگی، تشخیص اسکیزوفرنی، طبقه‌بندی بیماران و توسعه الگوریتم‌های یادگیری ماشین و یادگیری عمیق مورد استفاده قرار می‌گیرد.

این مجموعه یکی از شناخته‌شده‌ترین دیتاست‌های عمومی EEG برای پژوهش در زمینه اسکیزوفرنی و روان‌پریشی است که در OpenNeuro منتشر شده است. دیتاست شامل ثبت EEG حالت استراحت (Resting-State) از ۸۲ شرکت‌کننده شامل بیماران مبتلا به اولین دوره روان‌پریشی (First Episode Psychosis) و افراد سالم است. سیگنال‌ها با ۶۴ کانال EEG و نرخ نمونه‌برداری ۱۰۰۰ هرتز ثبت شده‌اند و در قالب استاندارد BIDS ارائه می‌شوند. علاوه بر داده‌های EEG، اطلاعات بالینی شامل ارزیابی علائم روان‌پریشی، عملکرد شناختی، وضعیت عملکرد اجتماعی و اطلاعات دارویی نیز در دسترس است. این مجموعه به‌طور گسترده برای استخراج ویژگی، تحلیل اتصال عملکردی مغز، تشخیص اسکیزوفرنی، طبقه‌بندی بیماران و توسعه مدل‌های یادگیری ماشین و یادگیری عمیق مورد استفاده قرار می‌گیرد.

مجموعه ارزیابی سن استخوان کودکان RSNA یکی از شناخته‌شده‌ترین و پرکاربردترین دیتاست‌های عمومی در حوزه هوش مصنوعی پزشکی برای تخمین سن استخوان است. این مجموعه در قالب چالش هوش مصنوعی انجمن رادیولوژی آمریکای شمالی (RSNA) در سال ۲۰۱۷ منتشر شد و شامل ۱۴٬۲۳۶ تصویر رادیوگرافی دست چپ کودکان و نوجوانان به همراه برچسب سن استخوان (بر حسب ماه) و جنسیت بیمار است. تصاویر توسط بیمارستان کودکان استنفورد و بیمارستان کودکان کلرادو گردآوری و توسط رادیولوژیست‌های فوق‌تخصص کودکان برچسب‌گذاری شده‌اند. داده‌ها شامل ۱۲٬۶۱۱ تصویر آموزشی، ۱٬۴۲۵ تصویر اعتبارسنجی و ۲۰۰ تصویر آزمون هستند. این دیتاست به‌عنوان مرجع استاندارد برای توسعه و ارزیابی الگوریتم‌های یادگیری ماشین و یادگیری عمیق در زمینه تخمین سن استخوان، رشد اسکلتی، اختلالات رشد و بلوغ استخوانی مورد استفاده قرار می‌گیرد و هزاران مقاله پژوهشی بر پایه آن منتشر شده است.

مجموعه تصاویر سی‌تی‌اسکن ریه و ندول‌های ریوی (LIDC-IDRI) یکی از شناخته‌شده‌ترین و پرکاربردترین دیتاست‌های عمومی در زمینه سرطان ریه است که توسط کنسرسیوم LIDC و پروژه IDRI با همکاری مؤسسه ملی سرطان آمریکا (NCI) ایجاد شده است. این مجموعه شامل تصاویر CT قفسه سینه ۱۰۱۰ بیمار به همراه حاشیه‌نویسی و ارزیابی ندول‌های ریوی توسط چهار رادیولوژیست متخصص است. برای هر ضایعه، اطلاعاتی مانند محل، اندازه، ویژگی‌های ظاهری، احتمال بدخیمی و فایل‌های XML حاوی نشانه‌گذاری‌ها ارائه شده است. این دیتاست به‌طور گسترده برای توسعه و ارزیابی الگوریتم‌های تشخیص ندول، سگمنتیشن، طبقه‌بندی سرطان ریه، رادیومیکس و مدل‌های یادگیری عمیق مورد استفاده قرار می‌گیرد و یکی از استانداردترین مجموعه‌داده‌ها برای پژوهش‌های CAD در تصویربرداری CT ریه محسوب می‌شود.

مجموعه استاندارد تصاویر ماموگرافی غربالگری سرطان پستان (CBIS-DDSM) نسخه بازبینی‌شده و استانداردسازی‌شده دیتاست مشهور DDSM است که توسط The Cancer Imaging Archive (TCIA) منتشر شده است. این مجموعه شامل تصاویر ماموگرافی بیماران دارای ضایعات خوش‌خیم، بدخیم و موارد طبیعی بوده و تصاویر به فرمت استاندارد DICOM تبدیل شده‌اند. علاوه بر تصاویر، نواحی ضایعه (ROI)، ماسک‌های سگمنتیشن، کادرهای محدودکننده (Bounding Box)، نتایج پاتولوژی، امتیاز BI-RADS، تراکم بافت پستان، سن بیمار و سایر اطلاعات بالینی نیز ارائه شده است. این دیتاست شامل ۸۹۱ مورد توده (Mass) و ۷۵۳ مورد کلسیفیکاسیون (Calcification) بوده و یکی از پرکاربردترین منابع عمومی برای توسعه و ارزیابی الگوریتم‌های تشخیص سرطان پستان، سگمنتیشن، طبقه‌بندی، رادیومیکس، یادگیری ماشین و یادگیری عمیق محسوب می‌شود. هدف اصلی از انتشار CBIS-DDSM ایجاد یک مجموعه‌داده استاندارد و قابل بازتولید برای مقایسه منصفانه عملکرد سیستم‌های تشخیص به کمک کامپیوتر (CAD) و مدل‌های هوش مصنوعی در حوزه ماموگرافی است.

آرشیو تصویربرداری سرطان (TCIA) یکی از بزرگ‌ترین مخازن عمومی تصاویر پزشکی مرتبط با سرطان است که توسط مؤسسه ملی سرطان آمریکا (NCI) پشتیبانی می‌شود. این مخزن شامل صدها مجموعه‌داده از انواع سرطان‌ها با تصاویر CT، MRI، PET و پاتولوژی دیجیتال به‌همراه اطلاعات بالینی، ژنومیک، سگمنتیشن و نتایج تحلیلی است. داده‌ها به‌صورت ناشناس‌سازی‌شده منتشر شده‌اند و به‌طور گسترده در پژوهش‌های هوش مصنوعی، رادیومیکس، پردازش تصاویر پزشکی و یادگیری عمیق مورد استفاده قرار می‌گیرند.

پروژه Human Connectome Project (HCP) یکی از بزرگ‌ترین منابع داده‌های تصویربرداری عصبی است که با هدف نقشه‌برداری از ارتباطات ساختاری و عملکردی مغز انسان ایجاد شده است. این مجموعه شامل تصاویر Structural MRI، Diffusion MRI، Resting-state و Task fMRI، داده‌های رفتاری، شناختی و دموگرافیک است. داده‌ها با کیفیت بسیار بالا و همراه با پایپ‌لاین‌های پیش‌پردازش استاندارد ارائه می‌شوند و به‌طور گسترده در پژوهش‌های علوم اعصاب، کانکتوم، یادگیری ماشین و پردازش تصاویر پزشکی استفاده می‌شوند. دسترسی به داده‌ها پس از ثبت‌نام و پذیرش شرایط استفاده امکان‌پذیر است.

PPMI یکی از بزرگ‌ترین مطالعات طولی بیماری پارکینسون در جهان است که توسط بنیاد Michael J. Fox راه‌اندازی شده است. این دیتاست شامل تصاویر MRI و DaTSCAN، داده‌های بالینی، اطلاعات ژنتیکی، داده‌های چنداُمیکی (Omics)، بیومارکرهای خون، CSF، ادرار و داده‌های سنسورها از بیش از ۵۰۰۰ شرکت‌کننده است. داده‌ها به‌صورت مستمر به‌روزرسانی می‌شوند و پس از ثبت‌نام و پذیرش توافق‌نامه استفاده از داده (DUA) برای پژوهشگران قابل دسترسی هستند.

دیتاست ADNI یکی از بزرگ‌ترین مجموعه‌داده‌های طولی در حوزه بیماری آلزایمر است که شامل تصاویر MRI، PET، داده‌های انتشار (DTI)، اطلاعات شناختی، ژنتیکی، بیومارکرهای خون و CSF و اطلاعات بالینی هزاران شرکت‌کننده است. این دیتاست به‌طور گسترده برای توسعه و ارزیابی روش‌های یادگیری ماشین، پردازش تصاویر پزشکی و مطالعه پیشرفت بیماری آلزایمر استفاده می‌شود. دسترسی به داده‌ها پس از ثبت‌نام و پذیرش توافق‌نامه استفاده از داده (DUA) امکان‌پذیر است.

پایگاه تبادل داده‌های تصویربرداری مغزی اوتیسم I (ABIDE I) نخستین ابتکار پروژه ABIDE است. این پروژه که در ابتدا به‌صورت یک تلاش مردمی و از پایین به بالا (grassroots) آغاز شد، با مشارکت ۱۷ مرکز بین‌المللی شکل گرفت. در این طرح، داده‌های از پیش گردآوری‌شده شامل تصویربرداری تشدید مغناطیسی عملکردی در حالت استراحت (R-fMRI)، تصاویر آناتومیکی مغز و داده‌های فنوتیپی، برای به‌اشتراک‌گذاری با جامعه علمی گسترده‌تر در دسترس قرار گرفتند. این تلاش در مجموع به گردآوری ۱۱۱۲ مجموعه‌داده منجر شد که شامل ۵۳۹ مجموعه‌داده از افراد مبتلا به اختلال طیف اوتیسم (ASD) و ۵۷۳ مجموعه‌داده از افراد با رشد طبیعی (گروه کنترل) بود. سن شرکت‌کنندگان بین ۷ تا ۶۴ سال متغیر بود و میانه سنی در هر دو گروه ۱۴٫۷ سال گزارش شد.