Проект Imaging-X: Обзор более 1000 открытых наборов данных медицинской визуализации для разработки базовых моделей

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

March 29, 2026

Авторы: Zhongying Deng, Cheng Tang, Ziyan Huang, Jiashi Lin, Ying Chen, Junzhi Ning, Chenglong Ma, Jiyao Liu, Wei Li, Yinghao Zhu, Shujian Gao, Yanyan Huang, Sibo Ju, Yanzhou Su, Pengcheng Chen, Wenhao Tang, Tianbin Li, Haoyu Wang, Yuanfeng Ji, Hui Sun, Shaobo Min, Liang Peng, Feilong Tang, Haochen Xue, Rulin Zhou, Chaoyang Zhang, Wenjie Li, Shaohao Rui, Weijie Ma, Xingyue Zhao, Yibin Wang, Kun Yuan, Zhaohui Lu, Shujun Wang, Jinjie Wei, Lihao Liu, Dingkang Yang, Lin Wang, Yulong Li, Haolin Yang, Yiqing Shen, Lequan Yu, Xiaowei Hu, Yun Gu, Yicheng Wu, Benyou Wang, Minghui Zhang, Angelica I. Aviles-Rivero, Qi Gao, Hongming Shan, Xiaoyu Ren, Fang Yan, Hongyu Zhou, Haodong Duan, Maosong Cao, Shanshan Wang, Bin Fu, Xiaomeng Li, Zhi Hou, Chunfeng Song, Lei Bai, Yuan Cheng, Yuandong Pu, Xiang Li, Wenhai Wang, Hao Chen, Jiaxin Zhuang, Songyang Zhang, Huiguang He, Mengzhang Li, Bohan Zhuang, Zhian Bai, Rongshan Yu, Liansheng Wang, Yukun Zhou, Xiaosong Wang, Xin Guo, Guanbin Li, Xiangru Lin, Dakai Jin, Mianxin Liu, Wenlong Zhang, Qi Qin, Conghui He, Yuqiang Li, Ye Luo, Nanqing Dong, Jie Xu, Wenqi Shao, Bo Zhang, Qiujuan Yan, Yihao Liu, Jun Ma, Zhi Lu, Yuewen Cao, Zongwei Zhou, Jianming Liang, Shixiang Tang, Qi Duan, Dongzhan Zhou, Chen Jiang, Yuyin Zhou, Yanwu Xu, Jiancheng Yang, Shaoting Zhang, Xiaohong Liu, Siqi Luo, Yi Xin, Chaoyu Liu, Haochen Wen, Xin Chen, Alejandro Lozano, Min Woo Sun, Yuhui Zhang, Yue Yao, Xiaoxiao Sun, Serena Yeung-Levy, Xia Li, Jing Ke, Chunhui Zhang, Zongyuan Ge, Ming Hu, Jin Ye, Zhifeng Li, Yirong Chen, Yu Qiao, Junjun He

cs.AI

Аннотация

Фундаментальные модели продемонстрировали выдающийся успех в различных областях и задачах, что в первую очередь обусловлено доступностью крупномасштабных, разнообразных и высококачественных наборов данных. Однако в области медицинской визуализации формирование и сбор таких медицинских наборов данных сопряжены со значительными трудностями из-за необходимости привлечения клинических экспертов и строгих этических и конфиденциальных ограничений. Это приводит к дефициту крупномасштабных унифицированных медицинских наборов данных и сдерживает развитие мощных медицинских фундаментальных моделей. В данной работе представлено наиболее масштабное на сегодняшний день исследование наборов данных медицинских изображений, охватывающее более 1000 открытых наборов данных с систематизированным каталогом их модальностей, задач, анатомических областей, типов разметки, ограничений и потенциала для интеграции. Наш анализ выявляет ландшафт, скромный по масштабу, фрагментированный по узкоспециализированным задачам и неравномерно распределенный по органам и модальностям, что, в свою очередь, ограничивает полезность существующих наборов данных для разработки универсальных и надежных медицинских фундаментальных моделей. Для преодоления фрагментации и достижения масштаба мы предлагаем парадигму метаданно-ориентированного слияния (MDFP), которая интегрирует общедоступные наборы данных со схожими модальностями или задачами, преобразуя тем множество небольших изолированных хранилищ данных в более крупные и согласованные ресурсы. На основе MDFP мы создали интерактивный портал для обнаружения данных, позволяющий осуществлять сквозную автоматизированную интеграцию наборов медицинских изображений, и скомпилировали все исследованные наборы данных в унифицированную структурированную таблицу, которая четко суммирует их ключевые характеристики и предоставляет ссылки для доступа, предлагая сообществу доступное и всеобъемлющее хранилище. Составляя карту текущего ландшафта и предлагая принципиальный путь к консолидации наборов данных, наше исследование представляет практический план для масштабирования корпусов медицинских изображений, способствуя ускоренному обнаружению данных, более обоснованному созданию наборов данных и разработке более совершенных медицинских фундаментальных моделей.

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.