[論文レビュー] MIMIC-CXR: A large publicly available database of labeled chest radiographs

Alistair E. W. Johnson, Tom Pollard+6 more|arXiv (Cornell University)|Jan 21, 2019

COVID-19 diagnosis using AI参考文献 15被引用数 206

ひとこと要約

MIMIC-CXR-JPG v2.0.0 は、2011年から2016年までの間にベス・イスラエル帝國病院で収集された、227,827件の画像検査から得られた377,110枚の匿名化済みのチアストレントX線画像を含む大規模で公開可能なデータセットであり、自由記述のレントゲン報告書の自然言語処理から導かれた14の放射線学的所見でラベル付けされています。このデータセットは、一貫性のあるデータ分割とラベルを備えた即時利用可能でベンチマーク化されたデータセットを提供することで、プライバシーを守りつつ標準化された医療画像ビジョン分野の研究を可能にします。

ABSTRACT

Chest radiography is an extremely powerful imaging modality, allowing for a detailed inspection of a patient's thorax, but requiring specialized training for proper interpretation. With the advent of high performance general purpose computer vision algorithms, the accurate automated analysis of chest radiographs is becoming increasingly of interest to researchers. However, a key challenge in the development of these techniques is the lack of sufficient data. Here we describe MIMIC-CXR-JPG v2.0.0, a large dataset of 377,110 chest x-rays associated with 227,827 imaging studies sourced from the Beth Israel Deaconess Medical Center between 2011 - 2016. Images are provided with 14 labels derived from two natural language processing tools applied to the corresponding free-text radiology reports. MIMIC-CXR-JPG is derived entirely from the MIMIC-CXR database, and aims to provide a convenient processed version of MIMIC-CXR, as well as to provide a standard reference for data splits and image labels. All images have been de-identified to protect patient privacy. The dataset is made freely available to facilitate and encourage a wide range of research in medical computer vision.

研究の動機と目的

• 医療画像分析モデルの学習および評価に適した大規模で公開可能かつ匿名化済みのチアストレントレントX線画像データセットの不足を解消すること。
• 研究間でのばらつきを低減するため、一貫性のあるデータ分割とラベルを備えた、MIMIC-CXRデータベースの標準化・処理済みバージョンを提供すること。
• 自然言語処理を用いてレントゲン報告書から事前に抽出したラベルを提供することで、医療画像ビジョン分野における再現性のある研究を可能にすること。
• 多様で臨床的に関連性のある大規模データセットを通じて、自動チアストレントX線画像解釈のための高性能なコンピュータビジョンアルゴリズムの開発を支援すること。
• 公開前にすべての画像およびメタデータを匿名化することで、患者のプライバシーを確保し、健康データ規制に準拠すること。

提案手法

• 本データセットは、2011年から2016年までの間にベス・イスラエル帝國病院で収集されたチアストレントX線画像を含むMIMIC-CXRデータベースから作成された。
• すべての画像は患者のプライバシーを保護するため匿名化され、健康データ規制への準拠が保証された。
• レントゲン報告書は2つの自然言語処理ツールを用いて処理され、14の標準化された放射線学的所見が二値ラベルとして抽出された。
• 得られたデータセットには、227,827件の固有の画像検査にわたる377,110枚の画像が含まれており、一貫性のあるラベル付けとデータ分割がなされている。
• 深層学習ワークフローへの広範な互換性と使いやすさを考慮し、JPG形式で公開された。
• 再現性のあるモデル評価を支援するため、標準化された訓練／検証／テスト分割が提供されている。

実験結果

リサーチクエスチョン

• RQ1 標準化されたラベルが付与された大規模で匿名化され、公開可能なチアストレントX線画像データセットは、医療画像ビジョン分野の研究における再現性を向上させることができるか？
• RQ2 自由記述のレントゲン報告書に対する自然言語処理は、自動チアストレントX線画像分析のための信頼性が高く一貫性のあるラベルを生成できるか？
• RQ3 事前にラベル付けされた所見を備えた標準化されたデータセットの可用性は、放射線学分野における深層学習モデルの性能とベンチマーク評価にどのような影響を与えるか？
• RQ4 データの質とラベルの一貫性は、医療画像分野における自動診断ツールの開発にどのような影響を及えるか？
• RQ5 MIMIC-CXR-JPG といった大規模で多様なデータセットは、一般化されたコンピュータビジョンモデルの学習を支援し、チアストレントレントX線画像の解釈に適しているか？

主な発見

• 本データセットは、2011年から2016年までの間に収集された227,827件の固有の画像検査から得られた377,110枚の匿名化済みチアストレントX線画像から構成されている。
• 自由記述のレントゲン報告書から自然言語処理技術を用いて、合計14の放射線学的所見が自動抽出された。
• 研究間での一貫性あるベンチマーク評価を支援するため、標準化された訓練、検証、テスト分割が提供されている。
• すべての画像は、患者のプライバシー保護とデータ保護基準への準拠を確保するため、匿名化処理が施された。
• 本データセットは研究者に無料で提供されており、医療画像ビジョンおよび自動レントゲン解析分野におけるイノベーションの加速を支援する。
• 事前にラベル付けされたデータの可用性により、手動でのアノテーションの必要性が低減され、AIモデルの開発および評価がより迅速に行えるようになった。