医療画像の公開データセット。中野哲平氏のおすすめ研究タスクとは？AIで医療を変える！

https://www.aclweb.org/anthology/W19-1803

こちらの論文が非常によくまとまっています。是非読んでみてください。様々なデータセットが増えてきており、これを実際に研究することで、深層学習や機械学習に対する知見を深めることができると思われますね。

生物医学的画像に適用される画像キャプションは、臨床医が従う診断プロセスを助けそして加速することができる。この記事は、生物医学的画像キャプションの最初の調査、データセット、評価基準、および最先端の方法についての議論です。さらに、2つのベースライン（弱いものと強いもの）をお勧めします。後者は、いずれかのデータセットで現在の最先端システムよりも優れています。 1はじめに放射線科医や他の医師は、毎日多くの生物医学的画像を調べる必要があるかもしれません。 PET / CTスキャンまたは放射線画像、そしてそれらの所見を医学的報告として書く（図1b）。医師が興味深い画像領域に集中すること（Shin et al。、2016）または所見を説明すること（Jing et al。、2018）は、医療ミスを減らし（例えば、経験の浅い医師に助言を提案する）、コストを下げることで診療科に利益をもたらす1試験あたり（Bates et al。、2001; Lee et al。、2017）。生物医学的画像キャプションの重要性にもかかわらず、関連するリソースには簡単にアクセスできないため、新しい方法の出現を妨げています。公に利用可能なデータセットは3つだけであり、常に直接利用できるわけではありません1。また、現在のところパフォーマンスの下限を決定し、タスクの難しさを推定するための単純なベースラインの評価はありません。対照的に、複雑な（通常はディープラーニング）システムは、ベースラインを超えているかどうかを確認することなく、他の複雑なシステムと比較されます（Zhang et al。、2017b; Wang et al。、2018）。さらに、生物医学分野のより困難な性質を無視して、現在の評価方法は一般的な画像キャプションから直接採用されています。

未踏事業で医療ITに関して二度も採択されています。