La radiòmica és un camp emergent en la recerca contra el càncer, però la necessitat de grans quantitats de dades juntament amb la falta de datasets complets i etiquetats en complica els estudis. A més, no hi ha mètodes estàndards per al processament de dades i això fa que els resultats siguin molt difícils de reproduir. Per abordar aquests reptes, aquest projecte presenta Med-ImageNet, un gran compendi d'imatges mèdiques preprocessades, inspirat en ImageNet, per a crear un marc que promogui la transparència, la repoducibilitat i la reutilització en els estudis de radiòmica i en l'entrenament de models per a tasques biomèdiques.
Aquest projecte també inclou un cas d'estudi, en el qual s'usa un subconjunt dels datasets de Med-ImageNet per desenvolupar un biomarcador automatitzat per predir el risc de càncer de mama basat en la densitat del teixit fibroglandular.
La radiómica es un campo emergente en la investigación del cancer, sin embargo, la radiómica tiene que enfrentar desafíos significativos causados por la necesidad de usar grandes cantidades de datos y la falta de datasets etiquetades y completos. Además, la ausencia de métodos estandarizados para el procesamiento de datos hace que los resultados sean difíciles de reproducir. Para abordar estos problemas, este proyecto presenta Med-ImageNet, un gran compendio de imágenes médicas inspirado en ImageNet, diseñado para promover la transparencia, la reproducibilidad y la reutilización en los estudios de radiómica y en el entrenamiento de modelos para tareas biomedicas.
Este proyecto también incluye un caso de estudio en el cual se usa un subconjunto de los datasets de Med-ImageNet para desarrollar un biomarcador automatizado para predecir el riesgo de cáncer de mama basado en la desidad del tejido fibroglandular.
Radiomics is an emerging field in cancer research, however, the need for large amounts of data and the lack of labeled and complete datasets raise significant challenges. Furthermore, the absence of standardized methods for data processing makes it difficult to reproduce results. To address these challenges, this project introduces Med-ImageNet dataset, a large compendium of medical images inspired by the ImageNet dataset, specifically designed to create a framework which makes radiomic studies and the training of models for biomedical tasks transparent, reproducible, and reusable.
This project also includes a case study, in which we use a subset of the Med-ImageNet dataset to develop an automated biomarker to predict breast cancer risk based on fibroglandular tissue density.
gmail.com