MosMedData: датасет 1110 компьютерных томографий органов грудной клетки, выполненных во время эпидемии COVID-19

Обложка

Цитировать

Аннотация

В условиях пандемии COVID-19 и лавинообразного роста числа выполняемых компьютерных томографий (КТ) лёгких особое значение приобретают методы автоматизации процесса анализа изображений, использование которых позволит повысить производительность и минимизировать ошибки. Создание качественных наборов данных необходимо для развития технологий искусственного интеллекта. Алгоритмы искусственного интеллекта обладают достаточной точностью для диагностики COVID-19. Данный датасет содержит как анонимизированные компьютерные томограммы (КТ) лёгких человека с признаками COVID-19, так и нормальные исследования грудной клетки. Некоторая часть исследований была размечена с использованием бинарных пиксельных масок представляющих интерес областей (например, зон консолидации и уплотнений по типу матового стекла). КТ-данные были получены в период с 1 марта 2020 г. по 25 апреля 2020 г. и предоставлены муниципальными больницами г. Москвы (Россия). Предлагаемый набор данных лицензирован Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0).

Об авторах

Сергей Павлович Морозов

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN-код: 8542-1720

д-р мед. наук, профессор

Россия, Москва

Анна Евгеньевна Андрейченко

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.andreychenko@npcmr.ru
ORCID iD: 0000-0001-6359-0763
SPIN-код: 6625-4186

к.ф.-м.н.

Россия, Москва

Иван Андреевич Блохин

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN-код: 3306-1387

MD

Россия, Москва

Павел Борисович Гележе

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: gelezhe.pavel@gmail.com
ORCID iD: 0000-0003-1072-2202
SPIN-код: 4841-3234

к.м.н.

Россия, Москва

Анна Павловна Гончар

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.gonchar@npcmr.ru
ORCID iD: 0000-0001-5161-6540
SPIN-код: 3513-9531

MD

Россия, Москва

Александр Евгеньевич Николаев

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.e.nikolaev@yandex.ru
ORCID iD: 0000-0001-5151-4579
SPIN-код: 1320-1651

MD

Россия, Москва

Николай Александрович Павлов

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: n.pavlov@npcmr.ru
ORCID iD: 0000-0002-4309-1868
SPIN-код: 9960-4160

MD, MPA

Россия, Москва

Валерия Юрьевна Чернина

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: v.chernina@npcmr.ru
ORCID iD: 0000-0002-0302-293X
SPIN-код: 8896-8051

MD

Россия, Москва

Виктор Александрович Гомболевский

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Автор, ответственный за переписку.
Email: g_victor@mail.ru
ORCID iD: 0000-0003-1816-1315
SPIN-код: 6810-3279

к.м.н.

Россия, Москва

Список литературы

  1. Ai T., Yang Z., Hou H., et al. Correlation of chest CT and RT-PCR testing in Coronavirus Disease 2019 (COVID19) in China: а report of 1014 cases // Radiology. 2020. Vol. 296, N 2. E32–E40. doi: 10.1148/radiol.2020200642
  2. Handbook of COVID-19 Prevention and Treatment. Ed. by T. Liang. Zhejiang University School of Medicine, 2020. 68 p.
  3. Huang Z., Zhao S., Li Z., et al. The battle against Coronavirus Disease 2019 (COVID-19): emergency management and infection control in a Radiology Department. J Am Coll Radiol. 2020. Vol. 17, N 6. Р. 710–716. doi: 10.1016/j.jacr.2020.03.011
  4. Морозов С.П., Гомболевский В.А., Чернина В.Ю. и др. Прогнозирование летальных исходов при COVID-19 по данным компьютерной томографии органов грудной клетки // Туберкулез и болезни легких. 2020. Т. 98, № 6. С. 7–14. doi: 10.21292/2075-1230-2020-98-6-7-14
  5. Morozov S., Guseva E., Ledikhova N., et al. Telemedicine-based system for quality management and peer review in radiology // Insights Imaging. 2018. Vol. 9, N 3. Р. 337–341. doi: 10.1007/s13244-018-0629-y
  6. Li L., Qin L., Xu Z., et al. Using artificial intelligence to detect COVID-19 and community-acquired pneumonia based on pulmonary CT: evaluation of the diagnostic accuracy // Radiology. 2020. Vol. 296, N 2. E65–E71. doi: 10.1148/radiol.2020200905
  7. Ucar F., Korkmaz D. COVIDiagnosis-Net: Deep Bayes-SqueezeNet based diagnosis of the coronavirus disease 2019 (COVID-19) from X-ray images // Med Hypotheses. 2020. Vol. 140. Р. 109761. doi: 10.1016/j.mehy.2020.109761
  8. Временные методические рекомендации «Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Версия 9» (утв. Министерством здравоохранения РФ 26 октября 2020). Режим доступа: https://base.garant.ru/74810808/. Дата обращения: 12.10.2020.
  9. Морозов С.П., Проценко Д.Н., Сметанина С.В. и др. Лучевая диагностика коронавирусной болезни (COVID-19): организация, методология, интерпретация результатов: методические рекомендации. Серия «Лучшие практики лучевой и инструментальной диагностики». Вып. 65. Москва, 2020.
  10. Morozov S.P., Vladzymyrskyy A.V., Klyashtornyy V.G., et al. Clinical acceptance of software based on artificial intelligence technologies (radiology). Series «Best practices in medical imaging». Moscow, 2019. Issue 57.
  11. Cohen J.P., Morrison P., Dao L. COVID-19 Image Data Collection [Internet]. 2020 [дата обращения: 25.03.2020]. Доступ по ссылке: https://arxiv.org/abs/2003.11597
  12. Jun M., Cheng G., Yixin W., et al. COVID-19 CT lung and infection segmentation dataset. Verson 1.0. 2020. doi: 10.5281/zenodo.3757476

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Порядок формирования датасета.

Скачать (294KB)
3. Рис. 2. Примеры разметки компьютерных томограмм органов грудной клетки пациентов с различной степенью тяжести COVID-19.

Скачать (299KB)
4. Рис. 3. Структура хранения данных в датасете.

Скачать (426KB)

© Морозов С.П., Андрейченко А.Е., Блохин И.А., Гележе П.Б., Гончар А.П., Николаев А.Е., Павлов Н.А., Чернина В.Ю., Гомболевский В.А., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».