プロジェクト・イメージングX：基盤モデル開発のための1000以上のオープンアクセス医療画像データセット調査

要旨

基盤モデルは、大規模で多様性に富み高品質なデータセットの発展により、様々な領域やタスクで顕著な成功を収めている。しかし、医療画像分野では、臨床専門知識への依存や厳格な倫理・プライバシー制約のため、このような医療データセットの整備と統合は極めて困難であり、大規模で統一的な医療データセットの不足が、強力な医療基盤モデルの開発を阻害している。本研究では、モダリティ、タスク、解剖部位、注釈、制約事項、統合可能性を体系的に分類した1,000以上の公開データセットを網羅し、医療画像データセットに関する過去最大規模の調査を提示する。分析により、規模が限定的で、タスクごとに分散し、臓器やモダリティ間で偏在する現状が明らかとなり、このことが汎用性と頑健性を備えた医療基盤モデルの開発を制限している。分散状態を規模に転換するため、我々は共有モダリティやタスクに基づいて公開データセットを統合するメタデータ駆動融合パラダイム（MDFP）を提案し、複数の小規模データサイロをより大規模で一貫性のあるリソースへ変換する。MDFPに基づき、エンドツーエンドの自動医療画像データセット統合を可能とする対話型発見ポータルを公開し、調査対象データセットを主要特性を明確にまとめた構造化テーブルとして統合、参照リンクを提供することで、コミュニティにアクセス可能で包括的なリポジトリを提供する。現状の把握とデータセット統合への原則的な道筋を示す本調査は、医療画像コーパスのスケーリングに向けた実践的なロードマップを提供し、迅速なデータ発見、より体系的なデータセット構築、および高機能な医療基盤モデルの開発を支援するものである。

English

Foundation models have demonstrated remarkable success across diverse domains and tasks, primarily due to the thrive of large-scale, diverse, and high-quality datasets. However, in the field of medical imaging, the curation and assembling of such medical datasets are highly challenging due to the reliance on clinical expertise and strict ethical and privacy constraints, resulting in a scarcity of large-scale unified medical datasets and hindering the development of powerful medical foundation models. In this work, we present the largest survey to date of medical image datasets, covering over 1,000 open-access datasets with a systematic catalog of their modalities, tasks, anatomies, annotations, limitations, and potential for integration. Our analysis exposes a landscape that is modest in scale, fragmented across narrowly scoped tasks, and unevenly distributed across organs and modalities, which in turn limits the utility of existing medical image datasets for developing versatile and robust medical foundation models. To turn fragmentation into scale, we propose a metadata-driven fusion paradigm (MDFP) that integrates public datasets with shared modalities or tasks, thereby transforming multiple small data silos into larger, more coherent resources. Building on MDFP, we release an interactive discovery portal that enables end-to-end, automated medical image dataset integration, and compile all surveyed datasets into a unified, structured table that clearly summarizes their key characteristics and provides reference links, offering the community an accessible and comprehensive repository. By charting the current terrain and offering a principled path to dataset consolidation, our survey provides a practical roadmap for scaling medical imaging corpora, supporting faster data discovery, more principled dataset creation, and more capable medical foundation models.

プロジェクト・イメージングX：基盤モデル開発のための1000以上のオープンアクセス医療画像データセット調査

Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development

要旨

Support