MD, PhD, Professor
д-р мед. наук, профессор
MD
к.ф.-м.н.
MD
MD, PhD
к.м.н.
MD
MD
MD, MPA
MD
MD, PhD, MPH
к.м.н.
With the ongoing COVID-19 pandemic decreasing availability of polymerase chain reaction with reverse transcription and the snowballing growth of medical imaging, especially the number of chest computed tomography (CT) scans being performed, methods to augment and automate the image analysis, increasing productivity and minimizing human error are of particular importance. The creation of high-quality datasets is essential for the development and validation of artificial intelligence algorithms. Such technologies have sufficient accuracy in diagnosing COVID-19 in medical imaging. The presented large-scale dataset contains anonymized human CT scans with COVID-19 features as well as normal studies. Some studies were tagged by radiologists using binary pixel masks of regions of interest (e.g., characteristic areas of consolidation and ground-glass opacities). CT data were acquired between March 1, 2020, and April 25, 2020, and provided by municipal hospitals in Moscow, Russia. The presented dataset is licensed under Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0).
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).
在COVID-19大流行和雪崩式增加肺部计算机断层扫描的数量背景下，图像分析过程的自动化方法特别重要，使用这种方法将提高生产率并减少错误。高质量数据集的创建是人工智能技术发展的必要条件。人工智能算法对COVID-19的诊断具有足够的准确性。该数据集1包含有COVID-19征象的患者的匿名肺部CT图像和正常的胸部检查。一些研究使用感兴趣区域的二元像素遮罩进行标记（例如，肺结节整合和磨砂玻璃结节）。获取2020年3月1日至2020年4月25日期间的CT数据，提供给莫斯科市医院（俄罗斯）2。建议的数据集由Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported授权（CC BY-NC-ND 3.0）。