TOMPEI-CMMD Dataset

元の CMMD は TCIA で公開されている、1,775 名(2012年7月〜2016年1月)の 3,728 枚のマンモグラムからなるデータで、生検で確認された良性/悪性の診断(一部の患者は分子サブタイプも)が付いています。しかし病変のセグメンテーションがなく、腫瘍の位置・大きさ・形状・境界といった情報が得られないため、病変検出モデルの開発には使いにくいという課題がありました。

CMMD の画像(GE Senographe DS で撮影)について、左右の乳房を独立した画像として扱い、MLO 方向のみを残しました(CC 方向 1,127 枚を除外)。これにより 2,601 枚の乳房画像となり、マンモグラフィで病変が描出されない癌 140 枚と画質不良 25 枚を除いた 2,436 枚が最終的な臨床データに含まれています。

セグメンテーションは病変のある 1,385 乳房(1,363 名)に付与され、マスク総数は 1,773 個(良性 255、悪性 1,515、論文から除外された 3)です。病変のない乳房はセグメンテーションファイルに含まれません。

乳房画像診断歴 20 年の放射線診断専門医が、CMMD の良性/悪性の結果を参照しながら 2,601 枚すべてを読影し、所見とその位置を記録しました。その指導のもと、5 名の診療放射線技師がセグメンテーションを描画しています。

アノテーションはバウンディングボックスではなくポリゴンのセグメンテーションマスクで、JSON 形式(_id、type、color、輪郭座標 cgPoints、病変位置 x/y)で提供されます。タグは腫瘤(青)・石灰化(黄)・線維腺腫(赤)・構築の乱れ(緑)・局所的非対称性陰影(紫)・脂肪腫(水色)の6種で、複数の所見がある画像には複数のタグが付きます。

公開ファイルは、病変セグメンテーション(JSON / ZIP、24.8 MB、1,385 ファイル)、臨床データ(XLSX、624 KB。分類・人口統計・診断・病理の項目)、および元画像の取得用マニフェストです。元画像(CMMD の DICOM 4,162 枚、18.29 GB)は再配布しておらず、TCIA Data Retriever で取得します。

CMMD に対して (1) 病変セグメンテーションと臨床データ、(2) 左右・CC/MLO ラベルの誤りの修正、(3) 画像単位のラベルしかなかった元データへの病変位置情報、の3点を追加しました。深層学習による乳癌のコンピュータ支援検出(CAD)の開発・検証に利用でき、MIME-ViT の学習・評価にも使われています。

Kashiwada, Y., Takaya, E., Hiroya, M., Matsuda, N., Yashima, T., Kobayashi, T., Tamiya, G., & Ueda, T. (2025). TOMPEI-CMMD Dataset (Version 1) [Dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/WEZW-BH22

@misc{kashiwada2025tompeicmmd,
  author       = {Kashiwada, Yuki and Takaya, Eichi and Hiroya, Mei and Matsuda, Nanako and Yashima, Takumi and Kobayashi, Tomoya and Tamiya, Gen and Ueda, Takuya},
  title        = {{TOMPEI-CMMD} Dataset},
  howpublished = {The Cancer Imaging Archive},
  version      = {1},
  note         = {[Dataset]},
  publisher    = {The Cancer Imaging Archive},
  year         = {2025},
  doi          = {10.7937/wezw-bh22},
  url          = {https://doi.org/10.7937/wezw-bh22}
}

引用ファイル: kashiwada2025tompeicmmd.bib (BibTeX) · kashiwada2025tompeicmmd.ris (RIS / EndNote / Zotero)