Nova
קוד פתוחc-i-berרישיון לא דווח2025-05-16
המאגר מרכז 906 חיתוכי MRI של המוח עם מחלות נוירולוגיות נדירות לבדיקת מודלים. החומר מיועד למדידת יכולות הכללה במצבים קליניים חריגים שהמודל לא פגש באימון.
- 1,151הורדות בחודש
- 17לייקים
מה זה
המאגר כולל 906 פרוסות מוח דו ממדיות בפורמט תמונה בגודל 480 על 480 פיקסלים. הפרוסות מכסות 281 מחלות ומצבים נוירולוגיים נדירים בקטגוריות של גידולים, בעיות כלי דם, שיבושים מטבוליים ומומים מולדים. הנתונים מייצגים פיזור קליני לא מעובד עם זנב ארוך של מקרים חריגים, בלי סינון שמחליק את השונות בין סריקות ופרוטוקולים שונים.
לכל מקרה מוצמדים תיאורים טקסטואליים שנכתבו בידי רדיולוגים, היסטוריה רפואית, אבחנות סופיות ותיחומים גיאומטריים של האנומליות שסומנו בהליך של סמיות כפולה. בתוך הקבצים אפשר למצוא פירוט של סימוני הבודקים, מטא-דאטה רפואי מלא, טקסטים של פענוח וקובץ נתונים מאוחד. המבנה כולו מכוון לבחינה של זיהוי מיקום הפגיעה, יצירת תיאור רדיולוגי והסקה אבחנתית.
מתאים ל
- הערכת זיהוי אנומליות
בדיקת יכולת המודל לאתר ולסמן בתיחום אזורים פגועים בסריקות מוח נדירות ללא אימון מוקדם.
- בחינת כתיבת דוחות פענוח
מדידת הדיוק של מודלי שפה ותמונה ביצירת תיאורים רדיולוגיים לפי מדדי דמיון קליניים.
- מבחן הסקה אבחנתית
בדיקת יכולת המערכת להגיע לאבחנה רפואית נכונה על בסיס שילוב של תמונה והיסטוריה קלינית.
איפה זה נופל
המאגר אינו מיועד לאימון כלל. היוצרים בנו אותו כבנצ׳מרק בלבד להערכת אפס דוגמאות, ואימון עליו יפגע ביכולת להעריך מודלים בצורה נקייה. כל הטקסטים וההיסטוריה הרפואית כתובים באנגלית בלבד. התמונות הן חיתוכים דו ממדיים בודדים ולא סריקות תלת ממדיות שלמות של הנפח המוחי, דבר שמגביל בדיקה של תהליכים רדיולוגיים מלאים. קצב ההצלחה של מודלים חזקים שנבחנו עליו נמוך מאוד, כך שאי אפשר להסתמך עליו לבניית כלי אבחון קליני פעיל.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
לא. הנתונים מוגדרים תחת רישיון CC BY-NC-SA 4.0, המגביל את השימוש למטרות מחקר ומדע בלבד. שימוש בנתונים או במודל שנגזר מהם בתוך מוצר מסחרי מהווה הפרת רישיון.
האם המאגר כולל נתונים בעברית?
לא. כל המונחים, תיאורי הרדיולוגים, ההיסטוריה הרפואית והאבחנות מופיעים באנגלית בלבד. עבודה מול מודלים בשפה העברית תחייב תרגום מוקדם של הטקסטים הקליניים.
האם אפשר להשתמש בנתונים כדי לאמן מודל חדש?
היוצרים מדגישים שהמאגר נועד אך ורק להערכה ומבחן. אימון עליו יגרום לדליפת מידע ויבטל את הערך שלו כבנצ׳מרק לאבחון מחלות נדירות במצב של אפס דוגמאות.
במה הוא שונה ממאגרי הדמיות מוח אחרים?
רוב המאגרים מתמקדים במחלות מוכרות ונפוצות ומאפשרים למידה מפולגת סגורה. כאן יש 281 מצבים נדירים בזנב ארוך של שונות קלינית, שנועדו לבחון התמודדות עם מקרים חריגים לחלוטין.
איך טוענים
טעינת המידע מתבצעת ישירות מקובץ הפרקט nova-v1 שנמצא בתיקיית הדאטה, באמצעות קריאת parquet רגילה בספריית datasets. אין צורך בהרשמה מיוחדת או באישור גישה ידני, והמאגר פתוח להורדה ישירה. הקבצים כוללים טבלאות נפרדות עבור תיחומים, תיאורי תמונות ומטא-דאטה קליני של כל מקרה. השדות החיוניים ביותר לעבודה הם התמונה, תיחום האנומליות של המומחים, היסטוריית החולה והאבחנה הסופית. מומלץ לבדוק את התאמת הרזולוציה לפני ההזנה למודל, מפני שכל החיתוכים מגיעים בגודל אחיד של 480 על 480 פיקסלים.
from datasets import load_dataset
ds = load_dataset("c-i-ber/Nova")הרישיון
החומרים בכרטיס מציינים רישיון מסוג CC BY-NC-SA 4.0, אף שבמטא-דאטה של העמוד נרשם שהרישיון לא דווח. המשמעות היא שימוש אקדמי ומחקרי בלבד, ללא שום היתר לשימוש מסחרי. חובה לתת קרדיט ליוצרים, וכל תוצר נגזר חייב להיות מופץ תחת אותם תנאים מגבילים בדיוק. מודל שאומן על הנתונים הללו לא יוכל לשמש במוצר מסחרי סגור.