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])