JBO竞博深度学习的医学图像数据集大盘点（2013-20）

　　JBO竞博40页综述，共计276篇参考文献！本文全面性地收集了医学图像数据集，大概300个数据集，分成四大类：头颈部JBO竞博、胸腹部、病理与血液和其他，涉及医学图像分类、分割、检测等任务。

　　人工智能（AI）在医疗保健等领域取得的惊人的成功，人工智能可以实现像人一样的性能。然而，成功总是伴随着挑战。深度学习算法依赖于数据，需要大量数据集进行训练。医学影像领域数据的缺乏给深度学习在医学影像分析中的应用造成了瓶颈。医学图像采集、注释和分析成本高昂，并且它们的使用受到伦理限制。它们还需要许多资源，例如人力资源和资金。这使得非医学研究人员难以访问有用的大量医学数据。

　　因此，本文尽可能全面地提供了一组医学图像数据集，以及它们对深度学习研究的相关挑战。

　　我们收集了 2013 年至 2020 年主要报告的大约 300 个数据集和挑战的信息，并将它们分为四类：头颈部、胸腹部、病理与血液和“其他”。

　　1) 提供最新和完整的列表，可用作通用参考，轻松找到用于临床图像分析的数据集，

　　2) 指导研究人员测试和评估他们的方法的方法论 相关数据集的性能和稳健性，

　　已建立CVer-医疗影像微信交流群！想要进医疗影像学习交流群的同学，可以直接加微信号：CVer9999。加的时候备注一下：医疗影像+学校/公司+昵称，即可。然后就可以拉你进群了。

　　强烈推荐大家关注CVer知乎账号和CVer微信公众号，可以快速了解到最新优质的CV论文。

　　南开&阿里提出P2T：基于金字塔池化的视觉Transformer！可用于各类下游场景理解任务！

　　CVPR 2021 最佳论文JBO竞博！GIRAFFE：将场景表示为合成生成神经特征场

　　CVPR 2021大奖出炉！何恺明获最佳论文提名，华人四篇“最佳”！第一届Thomas S. Huang纪念奖颁发

　　CVPR 2021公布最佳论文候选！华人占据半壁江山，何恺明、沈春华等人上榜