[논문 리뷰] MIMIC-CXR: A large publicly available database of labeled chest radiographs

Alistair E. W. Johnson, Tom Pollard외 6명|arXiv (Cornell University)|2019. 01. 21.

COVID-19 diagnosis using AI참고 문헌 15인용 수 206

한 줄 요약

MIMIC-CXR-JPG v2.0.0은 2011~2016년 기간 동안 베스 이사라엘 디아코네스 메디컬 센터에서 촬영된 227,827건의 영상 검사에서 유래한 377,110장의 익명화된 흉부 X-레이 영상으로 구성된 대규모 공개 데이터셋이며, 자유형 영상 진단 보고서의 자연어 처리를 통해 유도된 14개의 방사선학적 소견으로 레이블링되어 있다. 이는 일관된 데이터 분할과 레이블링을 제공함으로써 표준화되고 개인정보 보호가 보장된 의료 컴퓨터 비전 연구를 가능하게 한다.

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.

연구 동기 및 목표

• 의료 영상 분석 모델의 훈련 및 평가를 위한 대규모, 공개 가능, 익명화된 흉부 단층촬영 영상 데이터셋의 부족 문제를 해결하기 위해.
• 연구 간 변동성을 줄이기 위해 일관된 데이터 분할과 레이블링을 갖춘 MIMIC-CXR 데이터베이스의 표준화된 가공된 버전을 제공하기 위해.
• 자연어 처리를 통해 영상 진단 보고서에서 사전 추출된 레이블을 제공함으로써 재현 가능한 의료 컴퓨터 비전 연구를 가능하게 하기 위해.
• 다양하고 임상적으로 관련성이 높은 대규모 데이터셋을 통해 자동 흉부 X-레이 해석을 위한 고성능 컴퓨터 비전 알고리즘 개발을 지원하기 위해.
• 모든 영상과 메타데이터를 익명화하여 환자의 개인정보를 보호하고 공개 배포 이전에 건강 데이터 규정을 준수하기 위해.

제안 방법

• 이 데이터셋은 2011년부터 2016년까지 베스 이사라엘 디아코네스 메디컬 센터에서 확보한 MIMIC-CXR 데이터베이스에서 유래하였다.
• 모든 영상은 환자의 개인정보를 보호하기 위해 익명화되었으며, 건강 데이터 규정 준수를 보장하였다.
• 영상 진단 보고서는 두 가지 자연어 처리 도구를 사용하여 14개의 표준화된 방사선학적 소견을 이진 레이블로 추출하였다.
• 최종적으로 확보된 데이터셋은 227,827건의 고유한 영상 검사에서 유래한 377,110장의 영상으로 구성되었으며, 일관된 레이블링과 데이터 분할을 보유하고 있다.
• 딥 러닝 워크플로우에서의 광범위한 호환성과 사용 편의성을 위해 JPG 형식으로 제공되었다.
• 재현 가능한 모델 평가를 지원하기 위해 표준화된 훈련/검증/테스트 분할이 제공되었다.

실험 결과

연구 질문

• RQ1 표준화된 레이블이 부여된 대규모, 익명화된, 공개 가능한 흉부 X-레이 데이터셋이 의료 컴퓨터 비전 연구의 재현성 향상에 기여할 수 있는가?
• RQ2 자유형 영상 진단 보고서의 자연어 처리가 자동 흉부 X-레이 분석을 위한 신뢰성 있고 일관된 레이블을 생성할 수 있는 정도는 어느 정도인가?
• RQ3 사전 레이블링된 소견이 포함된 표준화된 데이터셋의 가용성이 영상 진단 분야의 딥 러닝 모델 성능 향상과 벤치마킹에 어떤 영향을 미치는가?
• RQ4 데이터 품질과 레이블 일관성은 의료 영상 분야의 자동 진단 도구 개발에 어떤 영향을 미치는가?
• RQ5 MIMIC-CXR-JPG처럼 대규모이고 다양한 데이터셋이 일반 목적의 컴퓨터 비전 알고리즘 개발을 위한 흉부 단층촬영 영상 분석에 기여할 수 있는가?

주요 결과

• 이 데이터셋은 2011년부터 2016년까지 수집된 227,827건의 고유한 영상 검사에서 유래한 377,110장의 익명화된 흉부 X-레이 영상으로 구성되어 있다.
• 자연어 처리 기법을 활용해 자유형 영상 진단 보고서에서 총 14개의 방사선학적 소견이 자동으로 추출되었다.
• 연구 간 일관된 벤치마킹을 지원하기 위해 표준화된 훈련, 검증, 테스트 분할이 제공되었다.
• 모든 영상가 익명화되어 있어 환자의 개인정보 보호와 데이터 보호 기준 준수를 보장하였다.
• 연구자들이 의료 컴퓨터 비전 및 자동 영상 진단 분석 분야의 혁신을 가속화하기 위해 무료로 이용 가능하다.
• 사전 레이블링된 데이터의 가용성으로 인해 수동 레이블링의 필요성이 감소하여 AI 모델의 개발 및 평가 속도가 향상되었다.