本文共 625 字，大约阅读时间需要 2 分钟。

美国国立卫生研究院（NIH）近期发布了一个名为DeepLesion的CT扫描数据库，该数据库汇集了近10600张CT图像，旨在支持医学人工智能算法的开发与测试。这一开源数据库由NIH的Ronald Summers及其团队构建，涵盖了来自马里兰州贝塞斯达临床中心的4400多名患者的研究数据。

Summers是NIH影像生物标记和计算机辅助诊断实验室的高级研究员，拥有丰富的放射学背景。标注过程涉及详细的临床描述，包括使用箭头、线条和文本标注病变的大小和位置，以便为临床医生提供有价值的参考。标注工作不仅耗时复杂，还需要专业的临床经验。为了应对AI算法发展中的主要障碍——缺乏大型医学图像数据库，Summers团队致力于打破这一瓶颈，特别是在X光领域。

DeepLesion数据库不仅提供了大量CT扫描数据，还附带详细标注，能够有效训练深度神经网络，助力AI技术突破瓶颈。NIH表示，未来有望开发一个通用病变检测器，作为初步筛选工具，将检测结果传递给更专业的算法。此外，该数据库还支持研究人员在同一次CT扫描中分析多种病变之间的关系，全面评估癌症负担。

目前，DeepLesion已训练出一个通用病变检测器，其灵敏度达到81.1%，每图像产生5个假阳性。研究团队计划继续扩展数据库，纳入MRI扫描数据，并结合未来多家医院的数据，为AI算法提供更强大的支持。该数据库不仅有助于病变检测，还可用于分类和预测病变发展轨迹。

原文发布时间：2018-08-05

转载地址：http://cdjfk.baihongyu.com/