医学影像分割系统综述Data preparation for artificial intelligence in medical imaging: A comprehensive guide ...

* FAIR数据指导原则：可查找、可访问、可互操作和可重用的

* 数据分类：与患者健康信息链接的任何受保护的健康信息(PHI)和个人可识别信息(PII)  

* 数据格式：DICOM。通常称为元数据，图像包含一个标题，其中包含关于图像序列、医院、供应商、临床医生或患者信息等信息。

* 去识别工具：FreeSurfer的 mri_deface、pydeface、mridefacer和Quickshear  

  * 数据去识别工具的要求列表：不用的识别信息除去，用的看情况留；在临床站点训练，避免数据二次传输

  * ISO 25237：现有隐私保护采用标准

  * 详细列表

* 内容管理工具：可进行格式转换和数据测试训练集管理

  * DICOM格式下例如DCMTK

  * GUI:Posda, DVTk, dcm4che, BrainVoyager, LONI Debabeler，dcm2niix的GUI是MRIcroGL  

* 图像存储

  * PACS：在中央数据库中存储多模态医学图像(MRI、计算机断层扫描CT、正电子发射断层扫描PET等)，并通过基于浏览器的格式(即DICOM)进行通信，这些格式可在整个医院以及多个设备和地点轻松访问。（会多重备份  

* 医疗自动化系统接口：医院信息系统(HIS)、电子病历(EMR)和放射信息系统(RIS)

* 开源解决例子  

  * XNAT:Java web,在Postgres数据库中搜索,基于XML的数据模型，它可以支持任何类型的表格数据

  * Dicoogle:开源PACS存档，没数据库

  * Orthanc

  * 3D图像的标注：3D Slicer

* 图像注释工具：3D Slicer

  * ITK-SNAP:贴标可在所有三个正交切面(轴向、冠状和矢状)上进行，并显示为3D渲染

  * MITK:辅助注解服务器的能力，并执行自动分割

  * Horos Viewer：基于OsiriXTM和其他开源医学图像库

  * ImageJ：java，支持DICOM

  * 插件： 
* Bio-Formats:专有的显微图像数据和元数据转换为标准化的开放格式

* SciView:图像和网格的3D可视化和虚拟现实功能

* MaMuT:用于浏览、注释和管理大图像数据的注释

* Trainable Weka Segmentation：产生基于像素的分割

* crowd Cure和CMRAD平台：云端

* 医学图像存储库 
  * 按目标器官和疾病分类的开放获取医学影像数据库的各种来源

* TCIA：针对癌症成像的多种器官影像。DICOM格式，使用国家生物医学影像档案(NBIA)软件([https://imaging.nci.nih.gov](https://imaging.nci.nih.gov/ "https://imaging.nci.nih.gov"))作为骨干

* UK Biobank：临床数据  

* MICCAI：([https://www.biomedical-challenges.org/)](https://www.biomedical-challenges.org/%29 "https://www.biomedical-challenges.org/\)")争议性数据评估平台

* Kaggle

* 神经成像数据集：IDA、OASIS、NITRC和CQ500

* 视网膜眼底图像分割：STARE、DRIVE (Grand- Challenges的一部分)和HRF

* 皮肤病变的数字图像集合：国际皮肤成像合作组织(ISIC)

* 乳腺癌筛查乳房x线照片：OPTIMAM (OMI-DB)

* 超声心动图视频：EchoNet- Dynamic

* 心血管研究：euCanSHare

* 常见胸部疾病的带注释x线影像：NHS Chest X-ray

* 诊断肺部CT图像：康奈尔大学工程:视觉和图像分析实验室存储库

* covid - 19：BIMCV COVID19 ， COVID- 19 Image Data Collection 
  * MICCAI：https://covid-segmentation. [grand-challenge.org](http://grand-challenge.org/ "grand-challenge.org")

* TCIA数据库