40頁綜述，共計276篇參考文獻！本文全面性地收集了醫(yī)學(xué)圖像數(shù)據(jù)集好用的醫(yī)學(xué)影像軟件，大概300個數(shù)據(jù)集，分成四大類：頭頸部、胸腹部、病理與血液和"其他"，涉及醫(yī)學(xué)圖像分類、分割、檢測等任務(wù)。
注1：文末附【醫(yī)療影像】交流群
注2：整理不易，歡迎點贊，支持分享！
想看更多CVPR 2021論文和開源項目可以點擊：
A of Image for Deep
單位：西電, 圣母大學(xué), 西澳大學(xué)等
論文下載鏈接：/abs/2106.12864
人工智能（AI）在醫(yī)療保健等領(lǐng)域取得的驚人的成功好用的醫(yī)學(xué)影像軟件，人工智能可以實現(xiàn)"像人一樣"的性能。然而，成功總是伴隨著挑戰(zhàn)。深度學(xué)習(xí)算法依賴于數(shù)據(jù)，需要大量數(shù)據(jù)集進行訓(xùn)練。醫(yī)學(xué)影像領(lǐng)域數(shù)據(jù)的缺乏給深度學(xué)習(xí)在醫(yī)學(xué)影像分析中的應(yīng)用造成了瓶頸。醫(yī)學(xué)圖像采集、注釋和分析成本高昂，并且它們的使用受到倫理限制。它們還需要許多資源，例如人力資源和資金。這使得非醫(yī)學(xué)研究人員難以訪問有用的大量醫(yī)學(xué)數(shù)據(jù)。
因此，本文盡可能全面地提供了一組醫(yī)學(xué)圖像數(shù)據(jù)集，以及它們對深度學(xué)習(xí)研究的相關(guān)挑戰(zhàn)。
我們收集了 2013 年至 2020 年主要報告的大約 300 個數(shù)據(jù)集和挑戰(zhàn)的信息，并將它們分為四類：頭頸部、胸腹部、病理與血液和“其他”。
我們的論文有三個目的：
1) 提供最新和完整的列表，可用作通用參考，輕松找到用于臨床圖像分析的數(shù)據(jù)集，
2) 指導(dǎo)研究人員測試和評估他們的方法的方法論' 相關(guān)數(shù)據(jù)集的性能和穩(wěn)健性，
3) 為相關(guān)醫(yī)學(xué)主題的相關(guān)算法提供“路線”，并挑戰(zhàn)排行榜。
部分數(shù)據(jù)集如下，強烈建議去看原文：
大腦圖像分析相關(guān)數(shù)據(jù)集：
大腦分割數(shù)據(jù)集：
大腦疾病分類數(shù)據(jù)集：
眼疾相關(guān)數(shù)據(jù)集：
頭部和頸部相關(guān)數(shù)據(jù)集：
胸部和腹部器官分割相關(guān)數(shù)據(jù)集：
病理學(xué)()相關(guān)數(shù)據(jù)集：
皮膚和動物相關(guān)數(shù)據(jù)集：
CVer-醫(yī)療影像交流群