UTA4: Medical Imaging DICOM Files Dataset

本数据集包含来自UTA4用户测试和分析研究的医学影像DICOM文件，用于单模态与多模态比较的研究。数据集与`dataset-uta4-rates`仓库的数据集配合使用，研究结果已在AVI 2020会议上发表。

This dataset comprises medical imaging DICOM files derived from the UTA4 user testing and analysis study, intended for research on unimodal versus multimodal comparisons. The dataset is utilized in conjunction with the dataset from the `dataset-uta4-rates` repository, and the research findings have been presented at the AVI 2020 conference.

原始信息汇总

UTA4: Medical Imaging DICOM Files Dataset 概述

数据集描述

• 名称: UTA4: Medical Imaging DICOM Files Dataset
• 来源: 该数据集源自 User Tests and Analysis 4 (UTA4) 研究，提供了在UTA4任务中使用的医学图像数据。
• 内容: 包含用于比较单模态与多模态诊断的医学成像DICOM文件。
• 相关项目: 与BreastScreening和MIDA项目相关，这些项目涉及使用深度卷积神经网络(CNNs)进行研究。
• 应用: 用于人机交互(HCI)研究，相关工作已在AVI 2020会议上发表。

数据集使用

• 安装: 数据集可通过手动克隆仓库进行安装，命令为 git clone https://github.com/MIMBCD-UI/dataset-uta4-dicom.git。
• 演示: 提供了一个名为 demo.py 的示例脚本，用于演示数据集的基本使用。

引用信息

• 引用格式: 使用以下BibTeX条目引用此数据集：

  @inproceedings{10.1145/3399715.3399744, author = {Calisto, Francisco Maria and Nunes, Nuno and Nascimento, Jacinto C.}, title = {BreastScreening: On the Use of Multi-Modality in Medical Imaging Diagnosis}, year = {2020}, ... }

许可证与版权

• 版权: 版权所有 © 2020 Instituto Superior Técnico。
• 许可证: 数据集根据GNU AGPLv3和CC-BY-SA-4.0许可证发布。

搜集汇总

数据集介绍

构建方式

UTA4: Medical Imaging DICOM Files Dataset的构建基于[User Tests and Analysis 4 (UTA4)](https://github.com/MIMBCD-UI/meta/wiki/User-Research#test-4-single-modality-vs-multi-modality-)研究，该研究在临床机构中进行，旨在比较单模态与多模态的诊断效果。数据集包含了在UTA4任务中使用的医学图像，这些图像以DICOM格式存储，涵盖了乳腺筛查和多模态诊断的多种图像类型，如乳腺X线摄影、超声波和磁共振成像。数据集的构建旨在支持深度卷积神经网络（CNN）在医学图像分析中的应用，并与[BreastScreening](https://BreastScreening.github.io)和[MIDA](https://mida-project.github.io)项目紧密结合。

特点

该数据集的主要特点在于其多模态特性，涵盖了乳腺筛查中的多种图像类型，包括乳腺X线摄影（MG）、超声波（US）和磁共振成像（MRI）。此外，数据集还包含了单模态与多模态诊断的对比信息，为研究者提供了丰富的临床数据支持。数据集的DICOM格式确保了图像的高质量存储和传输，适合用于深度学习和医学图像分析的研究。通过与[UTA4](https://github.com/MIMBCD-UI/meta/wiki/User-Research#test-4-single-modality-vs-multi-modality-)任务的结合，数据集能够为医学影像诊断的界面设计和算法优化提供宝贵的实验数据。

使用方法

使用UTA4: Medical Imaging DICOM Files Dataset时，用户可以通过克隆GitHub仓库来获取数据集。首先，确保本地环境安装了Git和Python 3.5或更高版本。随后，通过命令`git clone https://github.com/MIMBCD-UI/dataset-uta4-dicom.git`下载数据集。数据集的使用可以通过运行`src/demo.py`脚本来进行演示，该脚本会下载数据并存储在指定的目录中。此外，数据集还可以与其他相关数据集（如[`dataset-uta4-rates`](https://github.com/MIMBCD-UI/dataset-uta4-rates)）结合使用，以进行更全面的分析和研究。

背景与挑战

背景概述

UTA4: Medical Imaging DICOM Files Dataset 是由 MIMBCD-UI 团队创建的医学影像数据集，主要用于研究单模态与多模态医学影像诊断的比较。该数据集来源于用户测试与分析第4阶段（UTA4），包含了在临床机构中由专业医生诊断的患者的DICOM文件。研究的核心问题在于通过深度卷积神经网络（CNNs）技术，探索单模态与多模态影像在乳腺癌诊断中的应用效果。该数据集的创建旨在推动医学影像诊断领域的创新，特别是在人机交互（HCI）和医疗系统设计方面。相关研究成果已在2020年国际高级视觉界面会议（AVI 2020）上发表，展示了其在医学影像诊断中的潜在应用价值。

当前挑战

UTA4数据集在构建过程中面临了多个挑战。首先，数据集的构建需要处理大量的DICOM文件，这些文件格式复杂且标准化程度高，确保数据的准确性和一致性是一个重要挑战。其次，数据集的临床应用场景要求高度的专业性和准确性，如何在保证数据隐私和安全的前提下，获取并处理这些敏感的医学影像数据，是另一个关键问题。此外，单模态与多模态影像的比较研究需要设计复杂的实验和分析方法，以确保结果的科学性和可靠性。最后，数据集的推广和应用需要跨学科的合作，如何有效整合医学、计算机科学和人机交互领域的知识，也是一个重要的挑战。

常用场景

经典使用场景

UTA4: Medical Imaging DICOM Files Dataset 主要用于医学影像分析领域，特别是在乳腺癌筛查中进行单模态与多模态影像的对比研究。该数据集包含了来自临床试验的DICOM文件，研究人员可以利用这些数据进行深度学习模型的训练与验证，特别是在使用深度卷积神经网络（CNNs）进行图像分类和诊断时。此外，该数据集还可用于开发和评估多模态医学影像的用户界面，以提升临床诊断的效率和准确性。

衍生相关工作

基于UTA4数据集，已衍生出多项经典工作，特别是在医学影像分析和用户界面设计领域。例如，研究人员开发了多模态医学影像的用户界面原型，并通过临床试验验证了其在乳腺癌诊断中的有效性。此外，该数据集还促进了深度学习算法在医学影像分析中的应用，推动了相关领域的技术进步。未来，随着更多研究的开展，该数据集有望在医学影像诊断领域发挥更大的作用。

数据集最近研究

最新研究方向

在医学影像领域，UTA4: Medical Imaging DICOM Files Dataset 数据集的最新研究方向主要集中在多模态医学影像的诊断与分析上。该数据集通过提供DICOM格式的医学影像文件，支持了单模态与多模态诊断的对比研究，特别是在乳腺癌筛查中的应用。研究者们利用深度卷积神经网络（CNNs）等先进技术，探索如何通过多模态数据提升诊断的准确性和效率。此外，该数据集还与多个相关项目和数据集相结合，进一步推动了医学影像分析的前沿研究，尤其是在人机交互（HCI）和医疗系统的优化方面。这些研究不仅为临床诊断提供了新的工具和方法，也为未来的医学影像界面设计提供了宝贵的实践经验。