pills_inside_bottles

מה זה

המאגר כולל 13,955 תמונות שצולמו מלמעלה ישירות לתוך בקבוקי תרופות, במטרה לזהות את סוג הכדור ולמנוע טעויות ניפוק. המקור של הצילומים הוא רובוט ניפוק מסחרי שפעל בבית מרקחת למשלוחים בדואר, במסגרת מחקר של חוקרים מאוניברסיטת מישיגן שפורסם ב־2022. התמונות מגיעות ברזולוציה של 1284 על 960 פיקסלים בפורמט RGB.

כל רשומה מכילה שלושה שדות בלבד: קובץ התמונה, מזהה תמונה ייחודי, וקוד ה־NDC שמייצג את סוג התרופה. בסך הכל מכוסים כאן 20 סוגי תרופות שונים בלבד. הנתונים מחולקים כבר מראש לשלושה חלקים נפרדים: אימון עם 8,393 תמונות, ולידציה עם 2,786 תמונות, ומבחן עם 2,776 תמונות.

מתאים ל

• סיווג תרופות אוטומטי

  אימון מודלים לראייה ממוחשבת שמזהים את סוג הכדור בבקבוק כדי לוודא שאין טעות במרשם.

• בדיקת אלגוריתמי ראייה

  בנצ'מרק למודלים כמו EfficientNet לבדיקת דיוק בסיווג תמונות תקריב רפואיות עם 20 מחלקות.

• אימות מערכות ניפוק

  שלב בקרת איכות על גבי מצלמות עיליות ברובוטים או בפסי אריזה של בתי מרקחת.

איפה זה נופל

הבעיה המרכזית היא שהחוקרים המקוריים שחררו רק חלק קטן מהנתונים שהיו ברשותם, ולכן המאגר כולל 20 תרופות בלבד. מודל שיאומן כאן לא יידע להתמודד עם שום תרופה מחוץ לעשרים האלו, בטח לא עם תרופות ישראליות שמסומנות אחרת מקוד ה־NDC האמריקאי. בנוסף, כל התמונות נלקחו מאותו רובוט מסחרי ומאותה זווית עילית קבועה, כך שכל שינוי בתאורה, ברקע, בסוג הבקבוק או בזווית הצילום כנראה ישבור את המודל.

איך טוענים

טוענים את המאגר ישירות דרך הספרייה של Hugging Face בלי צורך באישור גישה או מפתח מיוחד, שכן המאגר פתוח לציבור. הקבצים כוללים סקריפט טעינה בפייתון לצד קובץ התיעוד. בכל רשומה שתקבלו יש גישה ישירה לאובייקט התמונה, למחרוזת ה־NDC ולמזהה הייחודי, כך שאפשר להזין את הנתונים ישירות לצינור עיבוד תמונה סטנדרטי.

from datasets import load_dataset

ds = load_dataset("gwenxin/pills_inside_bottles")

הרישיון

הרישיון הוא CC-BY 4.0. המשמעות פשוטה: מותר להשתמש בנתונים לכל מטרה, כולל אימון מודלים מסחריים ופיתוח מוצרים, בתנאי אחד ברור שהוא מתן קרדיט מלא לחוקרים המקוריים שפרסמו את הדאטהסט. אין כאן חובת שיתוף של מודל או של קוד שפותח על בסיסו תחת אותו רישיון.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗