⚡ electrical engineering

A large-scale heterogeneous 3D magnetic resonance brain imaging dataset for self-supervised learning

O artigo apresenta o FOMO260K, um conjunto de dados heterogêneo e em grande escala, compreendendo mais de 260.000 ressonâncias magnéticas cerebrais provenientes de diversas fontes públicas, concebido para facilitar e estabelecer benchmarks para a aprendizagem auto-supervisionada em imagens médicas, por meio de pré-processamento mínimo e modelos pré-treinados acompanhantes.

Autores originais: Stefano Cerri, Asbjørn Munk, Sebastian Nørgaard Llambias, Jakob Ambsdorf, Julia Machnio, Vardan Nersesjan, Christian Hedeager Krag, Peirong Liu, Pablo Rocamora García, Mostafa Mehdipour Ghazi, Mikael

Publicado 2026-05-07

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Stefano Cerri, Asbjørn Munk, Sebastian Nørgaard Llambias, Jakob Ambsdorf, Julia Machnio, Vardan Nersesjan, Christian Hedeager Krag, Peirong Liu, Pablo Rocamora García, Mostafa Mehdipour Ghazi, Mikael Boesen, Michael Eriksen Benros, Juan Eugenio Iglesias, Mads Nielsen

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um robô a entender o cérebro humano. Para fazer isso de forma eficaz, o robô precisa ver milhões de diferentes exames de cérebro, assim como uma criança aprende a reconhecer um "cachorro" ao ver milhares de cães diferentes em parques, fotos e filmes.

Por muito tempo, pesquisadores que tentavam ensinar IA sobre cérebros tiveram um problema: eles tinham acesso apenas a pequenas coleções muito específicas de exames de cérebro. Era como tentar aprender sobre toda a natureza olhando apenas para um único jardim de rosas perfeitamente aparado. Você perde as ervas daninhas, as florestas, as tempestades e as plantas estranhas e mutantes que existem no mundo real. Além disso, obter acesso a esses "jardins" frequentemente exigia preencher papelada interminável e aguardar permissão.

Aparece o FOMO260K: A "Biblioteca do Cérebro" para IA

Este artigo apresenta o FOMO260K, um novo conjunto de dados massivo projetado para resolver esse problema. Pense nele como uma enorme biblioteca de acesso aberto contendo 260.927 exames de cérebro de mais de 55.000 pessoas diferentes.

Aqui está o que torna esta biblioteca especial, explicado por meio de analogias simples:

1. O "Mistureba" da Vida Real (Heterogeneidade)

A maioria dos conjuntos de dados cerebrais anteriores era como um álbum de fotos onde cada imagem foi tirada com a mesma câmera, na mesma iluminação e com o mesmo filtro. Eles eram perfeitos demais e muito semelhantes.

O FOMO260K é diferente. É uma colagem caótica e vibrante. Ele inclui:

Diferentes "Câmeras": Exames de muitas máquinas de ressonância magnética diferentes (Siemens, Philips, etc.) e diferentes intensidades de campo (1,5T, 3T e até 7T).
Diferentes "Iluminações": Vários tipos de sequências de ressonância magnética (T1, T2, difusão, etc.).
Bagunça do Mundo Real: Inclui exames com grandes anomalias cerebrais, tumores, AVCs e transtornos mentais, não apenas cérebros "perfeitos" e saudáveis. Inclui até exames de resolução mais baixa que você poderia ver em um hospital típico, não apenas em laboratórios de pesquisa de ponta.

Os autores chamam isso de heterogeneidade. Em termos simples, significa que o conjunto de dados é bagunçado e diversificado, assim como o mundo real. Isso é crucial porque ensina a IA a ser robusta, para que ela não fique confusa quando vir um exame de cérebro de um hospital diferente ou de uma máquina diferente.

2. A Abordagem dos "Ingredientes Crus"

Quando você compra uma refeição pronta, é conveniente, mas você não sabe exatamente o que entrou nela. Quando você compra ingredientes crus, tem que fazer o trabalho, mas sabe exatamente o que está recebendo.

O FOMO260K fornece os ingredientes crus. Os pesquisadores aplicaram "pré-processamento mínimo". Eles não alisaram as rugas nem corrigiram a iluminação. Eles simplesmente garantiram que todos os cérebros estivessem orientados da mesma maneira (para que o lado esquerdo esteja sempre à esquerda) e removeram exames que eram muito curtos ou incompletos.

Por quê? Porque eles querem que outros cientistas possam tentar seus próprios métodos de limpeza e preparação dos dados. Isso reduz a barreira de entrada, permitindo que mais pessoas experimentem sem precisar ser um chef mestre primeiro.

3. O Aluno "Autodidata" (Aprendizado Auto-supervisionado)

O artigo foca em uma técnica chamada Aprendizado Auto-supervisionado (SSL).

Imagine que você tem um aluno que nunca viu um cérebro antes. Em vez de dar a ele um livro didático com respostas (dados rotulados), você dá a ele uma pilha de 260.000 exames de cérebro e diz: "Descubra os padrões você mesmo".

O modelo de IA (um "aluno") tenta adivinhar partes faltantes dos exames de cérebro. Ao fazer isso milhões de vezes, ele aprende a "gramática" geral de como os cérebros se parecem e como são estruturados. Ele aprende como um cérebro saudável geralmente se parece, como os tumores distorcem as coisas e como diferentes máquinas capturam imagens.

Uma vez que o aluno aprendeu essa linguagem geral, você pode então dar a ele uma tarefa específica, como "encontrar o AVC", e ele aprenderá essa tarefa específica muito mais rápido e melhor do que se tivesse começado do zero.

4. A Prova: Funciona?

Para provar que este "aluno" realmente aprendeu algo, os pesquisadores o testaram. Eles pegaram a IA treinada no FOMO260K e pediram que ela realizasse tarefas difíceis, como encontrar pequenas lesões ou tumores em exames novos e não vistos.

Eles compararam essa IA com uma IA "do zero" — uma que começou com zero conhecimento e teve que aprender tudo do zero usando apenas uma pequena quantidade de dados rotulados (como um aluno que estudou apenas por um dia).

O Resultado: A IA treinada no FOMO260K superou consistentemente a IA "do zero". Ela foi melhor em encontrar os problemas, mesmo quando tinha apenas alguns exemplos para aprender. Isso prova que a biblioteca massiva e bagunçada de 260.000 exames ensinou com sucesso à IA uma base sólida.

5. Duas Versões do Conjunto de Dados

O artigo menciona duas versões desta biblioteca:

FOMO260K: A versão massiva e crua descrita acima. É para pessoas que querem fazer o trabalho pesado por conta própria e desejam os dados mais diversos possíveis.
FOMO45K: Uma versão menor e "pré-cozida". Esses exames foram limpos, alinhados perfeitamente e tiveram seus crânios removidos (ou rostos borrados) para ficarem prontos para uso imediato em tarefas específicas. É como um kit de vegetais pré-picados para quem quer começar a cozinhar imediatamente.

Resumo

Em resumo, este artigo diz: "Construímos a maior, mais diversa e mais acessível biblioteca de exames de cérebro já criada. Mantivemos os dados crus para que você possa experimentar com eles. Mostramos que, se você deixar uma IA estudar esta biblioteca por conta própria, ela se torna muito mais inteligente em entender cérebros do que se você apenas lhe der alguns exemplos para estudar."

Este recurso destina-se a ajudar pesquisadores a construir melhores ferramentas de IA para imagem médica, mas o próprio artigo foca estritamente na criação do conjunto de dados e na prova de que ele melhora o aprendizado da IA, não em tratamentos médicos futuros específicos.

Resumo Técnico: FOMO260K – Um Conjunto de Dados 3D de Ressonância Magnética Heterogêneo em Grande Escala para Aprendizado Auto-supervisionado

Declaração do Problema
O aprendizado auto-supervisionado (SSL) impulsionou avanços significativos em visão computacional e processamento de linguagem natural, em grande parte devido à disponibilidade de conjuntos de dados públicos massivos e diversificados, como ImageNet e OpenWebText. No entanto, na neuroimagem, a adoção e a avaliação de métodos de SSL têm sido dificultadas pela falta de conjuntos de dados públicos comparavelmente grandes e diversificados. Recursos existentes em grande escala (por exemplo, ADNI, UK Biobank, PPMI, ABCD) são frequentemente curados para doenças ou populações específicas, seguem protocolos de imagem homogêneos e possuem variabilidade patológica limitada. Além disso, o acesso a esses conjuntos de dados é frequentemente restrito por solicitações formais, acordos estritos de uso de dados e a necessidade de pré-processamento complexo e específico de domínio (por exemplo, conversão de DICOM para NIfTI, tratamento de aquisições 4D). Essas barreiras impedem a escalabilidade do pré-treinamento de SSL em imagens médicas.

Metodologia e Construção do Conjunto de Dados
Para abordar esses desafios, os autores introduzem o FOMO260K, um conjunto de dados em grande escala e heterogêneo de exames de ressonância magnética (RM) cerebral.

Agregação de Dados: O conjunto de dados compreende 260.927 exames de 77.589 sessões de RM e 55.378 sujeitos, agregados de 910 fontes publicamente disponíveis. Essas fontes incluem repositórios principais como OpenNeuro (884 conjuntos de dados), HBN, Yale Brain Mets Longitudinal e outros, todos licenciados sob termos compatíveis com redistribuição CC BY-NC-SA.
Critérios de Inclusão/Exclusão: Todos os exames disponíveis foram elegíveis, exceto exames ex vivo, ressonância magnética funcional, mapas de campo, imagens de fase SWI, PET e exames de tomografia computadorizada (TC), que foram excluídos para evitar deslocamentos de distribuição que poderiam prejudicar o pré-treinamento de SSL.
Estratégia de Pré-processamento: Os autores aplicaram pré-processamento mínimo para preservar as características originais das imagens, garantindo consistência.
- Todos os exames foram reorientados para a orientação RAS (Direita-Anterior-Superior).
- Volumes 4D foram convertidos para 3D.
- Exames com menos de 15 fatias foram descartados.
- Tratamento de DWI: Para imagens ponderadas por difusão, os autores implementaram uma estratégia dupla para aumentar a variabilidade durante o pré-treinamento. Para metade dos exames, três volumes alinhados aos eixos foram médios para criar uma única imagem 3D. Para a outra metade, uma imagem de coeficiente de difusão aparente (ADC) de traço foi computada usando os três volumes alinhados aos eixos e uma referência $b_0$ .
- Imagem de Perfusão: Dados multicanal foram médios, enquanto aquisições ASL foram processadas subtraindo o primeiro canal do último.
Metadados: Informações demográficas (idade, sexo, destreza manual) e grupos diagnósticos (Controle, Tumor Cerebral, Acidente Vascular Cerebral, Transtornos Mentais, Demência, Transtornos Neurológicos) foram coletados e mapeados usando correspondência baseada em palavras-chave.
Variantes do Conjunto de Dados: O artigo também descreve o FOMO45K, um conjunto de dados complementar contendo 46.149 exames de um subconjunto das fontes. Diferentemente do FOMO260K, o FOMO45K inclui imagens co-registradas e com crânio removido (ou desfiguradas), tornando-o pronto para tarefas subsequentes que exigem entradas padronizadas e alinhadas anatomicamente.

Principais Contribuições

Escala e Heterogeneidade: O FOMO260K é significativamente maior e mais heterogêneo do que recursos anteriores como OpenMind (114 mil exames). Inclui uma ampla gama de variabilidade anatômica e patológica, incluindo exames com grandes anomalias cerebrais e uma alta proporção de exames de baixa resolução típicos da prática clínica (definidos como espessura de fatia > 3 mm).
Acessibilidade: O conjunto de dados é distribuído como um único download via Hugging Face, acompanhado de código para pré-processamento, incorporação de conjuntos de dados adicionais, pré-treinamento auto-supervisionado e ajuste fino. Essa configuração visa reduzir barreiras de entrada e permitir experimentos reproduzíveis.
Recursos Complementares: O lançamento inclui modelos pré-treinados e código para o desafio do Modelo de Fundação FOMO25, facilitando a avaliação imediata e o desenvolvimento de métodos.

Validação Técnica e Resultados
Os autores validaram empiricamente a utilidade do FOMO260K pré-treinando um modelo ResEnc de 100 milhões de parâmetros usando um objetivo de Autoencoder Mascarado Aumentado (AMAES) com uma taxa de mascaramento de 60%.

Configuração Experimental: O modelo pré-treinado foi avaliado em um cenário de poucos exemplos (20 exemplos rotulados por divisão) em cinco benchmarks de segmentação diversos: ISLES22 (AVC), ATLAS (AVC), SBM3 (metástases cerebrais), WMH (hiperintensidades da substância branca) e Cerebrum-7T.
Desempenho: O modelo pré-treinado no FOMO260K superou consistentemente uma linha de base "do zero" (pesos inicializados aleatoriamente) em todos os cinco conjuntos de dados.
- Melhorias no Escore Dice: O modelo pré-treinado alcançou ganhos estatisticamente significativos ( $p < 0,05$ ) sobre a linha de base do zero. Melhorias notáveis incluíram +1,45 no Dice em SBM3, +1,29 em WMH e +1,12 em ISLES22.
- Conclusão: Esses resultados demonstram que as representações de propósito geral aprendidas a partir do conjunto de dados heterogêneo FOMO260K transferem-se efetivamente para novas tarefas supervisionadas com supervisão limitada.

Significado e Afirmações
O artigo posiciona o FOMO260K como um recurso fundamental destinado a apoiar o desenvolvimento e a avaliação de métodos de aprendizado auto-supervisionado em imagens médicas em grande escala. Ao fornecer um conjunto de dados que espelha a heterogeneidade dos dados clínicos do mundo real (incluindo resoluções, protocolos e patologias variadas) e remover barreiras de acesso, os autores visam catalisar o progresso em modelos de fundação médicos. O conjunto de dados foi projetado para ser extensível, com planos de crescimento à medida que novas coortes e modalidades se tornem disponíveis. Os autores enfatizam que o valor primário do conjunto de dados reside em permitir pesquisas padronizadas e reproduzíveis de SSL que anteriormente eram difíceis devido à fragmentação de dados e restrições de acesso.