Hopkins RFOs Bench
收藏资源简介：
Hopkins RFOs Bench数据集是首个也是最大的此类数据集，包含144张胸部X光片，均为约翰霍普金斯卫生系统在过去18年中收集的含有重要外来物体的病例。该数据集旨在解决现有数据集缺乏重要外来物体病例的问题，并为开发能够可靠检测胸部X光片中重要外来物体的AI驱动解决方案提供基础。数据集包括胸部X光片、图像级别标签和对象级别标签，其中对象级别标签使用多边形或边界框对RFOs对象进行标注，并将其分类为非关键或关键。数据集还包括无RFOs病例和非关键RFOs病例，以构建类别平衡的数据集。
The Hopkins RFOs Bench dataset is the first and largest of its kind, containing 144 chest X-ray scans from cases with clinically significant radiopaque foreign objects (RFOs) collected by the Johns Hopkins Health System over the past 18 years. This dataset is designed to address the shortage of such cases in existing datasets, and serve as a foundational resource for developing AI-powered solutions that can reliably detect RFOs in chest X-rays. The dataset comprises chest X-ray images, image-level labels, and object-level labels. For object-level annotations, RFOs are labeled using polygons or bounding boxes and categorized as either non-critical or critical. Additionally, the dataset includes cases without RFOs and cases with non-critical RFOs to construct a class-balanced dataset.
数据集概述：Hopkins RFO Bench
背景
- 目标：解决关键遗留异物（RFOs）在胸部X光检测中的挑战。
- 特点：首个且最大的关键RFOs胸部X光数据集，包含144例关键RFOs病例。
- 应用：用于开发临床影响显著的检测算法，并评估合成图像方法。
数据
- 来源：约翰霍普金斯医疗系统，18年间的144例关键RFOs病例。
- 组成：
- 144例关键RFOs病例
- 150例无RFOs病例
- 150例非关键RFOs病例
- 数据分割：训练集70%，验证集10%，测试集20%。
标注
- 图像级标注：按RFO阳性和阴性分类存放。
- 对象级标注：
- 格式：CSV或JSON文件。
- 标注类型：矩形（0）和多边形（1）。
- 坐标系统：笛卡尔像素坐标系，原点在左上角。
下载
- 数据集：https://huggingface.co/datasets/Yuliiiiiiiione/Hopkins_RFO_Bench/tree/main
- 数据内容：
- Hopkins RFO Bench：144例，JPG & JSON格式。
- 物理合成图像：4000例，JPG & CSV格式。
- 物理渲染模型：14例，OBJ格式。
- DDPM合成图像：4000例，JPG & CSV格式。
评估
- 分类任务：
- 指标：AUC（曲线下面积）。
- 输出格式：
prediction_classification.csv。
- 定位任务：
- 指标：FROC（自由响应接收器操作特性）。
- 输出格式：
prediction_localization.csv。
使用
- 工具：包含预处理和生成数据集的代码。
- 依赖：通过
pip install -e requirement.txt安装环境。 - 环境激活：
conda activate Hopkins_RFO。
基线模型
- 代码：提供在基线模型目录下。
合成方法
- DeepDRR-RFO：基于物理的合成方法，整合CT分割、3D模型构建和X光渲染。
- RoentGen-RFO：基于扩散的合成方法，定制RFO文本输入。
参考
- 网站模板参考自object-CXR。
