Select Language

AI社区

公开数据集

Deepfakes医学图像篡改检测数据集,可用于真假肿瘤识别

Deepfakes医学图像篡改检测数据集,可用于真假肿瘤识别

6G
913 浏览
4 喜欢
7 次下载
0 条讨论
X-Ray,Medical Classification

Data Set Information:攻击者能够使用深度学习拦截和添加/删除医学图像中具有高度真实感的医学证据。在这个数据集中,我们展示了......

数据结构 ? 6G

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    Data Set Information:

    攻击者能够使用深度学习拦截和添加/删除医学图像中具有高度真实感的医学证据。在这个数据集中,我们展示了医学上的假药:人类肺部的3D CT扫描,其中一些已经被真正的癌症切除并注射了假药。该数据集的目的是区分真假癌症,并确定医学扫描被篡改的位置。三位专家放射科医生对该数据集进行了评估,但无法可靠地区分真假癌症,这意味着假癌症是真实的,检测任务非常具有挑战性。有关更多信息,请参阅我们的论文“CT-GAN”。


    数据集包括两组(80次扫描和20次扫描)。前80次扫描用于对放射科医生的盲法试验(他们没有被告知自己被篡改),而20次扫描用于对放射科医生的公开试验(他们被告知真相并被要求确认身份)。

    随扫描一起提供的是一张有基本真相的表格。对于每次扫描,癌症的位置(x、y和z[切片]及其分类)。地点可分为:
    真正良性(TB):实际上没有癌症的地方
    真正的恶意(TM):具有真正癌症的位置
    假良性(FB):一个位置有真正的癌症,但它被删除。
    假恶意(FM):一个没有癌症的位置,但在那里注射了假癌症。


    Access to the dataset is via this link: [Web link]


    Attribute Information:

    Each scan is in the medical dicom format, but it can be loaded as a 3D matrix with Python by using the tools provided in our code repository: [Web link]

    A scan is basically a series of 512x512 images. The series is usually about 100-300 slices long (the z axis). Cancers can occupy multiple slices along the z-axis.
    The value at each pixel is the Hounsfield unit (radiodensity) at that location.


    Relevant Papers:

    [Web link]
    Mirsky, Yisroel, et al. 'CT-GAN: Malicious tampering of 3D medical imagery using deep learning.' 28th {USENIX} Security Symposium ({USENIX} Security 19). 2019.
    [Web link],11&hl=en


    Citation Request:

    If you use this data, please cite:
    Mirsky, Yisroel, et al. 'CT-GAN: Malicious tampering of 3D medical imagery using deep learning.' 28th {USENIX} Security Symposium ({USENIX} Security 19). 2019.

    The original medical imagery is from:
    Armato III, Samuel G., McLennan, Geoffrey, Bidaut, Luc, McNitt-Gray, Michael F., Meyer, Charles R., Reeves, Anthony P., a€| Clarke, Laurence P. (2015). Data From LIDC-IDRI. The Cancer Imaging Archive. [Web link]
    Published under the Creative Commons Attribution 3.0 Unported License ([Web link])

    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:30 去赚积分?
    • 913浏览
    • 7下载
    • 4点赞
    • 收藏
    • 分享