前言

本日會開始進入最主體的Classification的部份，首先就從資料集開始介紹吧！這次會使用的是MedMNIST這個資料集，差不多就是Medical版的MNIST的意思。

MedMNIST v2

MedMNIST基本上是個包含了各種不同類型的醫療影像的資料集，分別由12個不同的2D醫療影像集與6個不同的3D醫療影像集所組成。所對應的Task基本上也都是Classification問題，其中的RetinaMNIST雖說是Ordinal Regression，但其實本質上也是一種Classification。影像的解析度部份則都壓縮到了28x28(x28)，都非常小，所以非常適合新手作為練習使用。目前已經出到第二版，所以才會加個v2，主要差異是新增3D的6個資料集。
簡單看這張來自官網的Overview其實應該就可以理解整個資料集的概況：

其餘詳細的部份，有興趣建議直接參考官網，本日的文章則會著重講解實際抓取下來使用的部份。

MedMNIST套件安裝

廢話不多說，先上Github與PyPI。
安裝很簡單就一行

pip install medmnist

或是先前透過我提供的docker-compose.yml安裝環境的朋友們應該也都已經有了(請參考requirements.txt)。

MedMNIST套件使用

MedMNIST的函式庫內提供不少東西可以使用，尤其是還可以直接使用PyTorch的DataLoader，基本上直接套用再加上常見的訓練框架就可以開始做模型，可說是十分方便。

但實務上其實真正耗費大量時間的，往往是資料的準備及處理，撇除不太可能在這裡進行的標注，本系列文希望盡量模擬實際資料獲得的情形。

現在讓我們模擬較接近真實的情況，因此我們後續會採用一大筆影像檔再加上一個對照的csv檔案，這樣的形式開始。

所幸只要利用靈活的MedMNIST，以取得chestmnist為例，輸入以下的程式碼

import medmnist
from medmnist.info import INFO, DEFAULT_ROOT

DATASET = 'chestmnist'
TEMP = '/tmp'
FOLDER = 'data'
POSTFIX = 'png'

def make_dataset() -> None:
    for split in ["train", "val", "test"]:
        print(f"Saving {DATASET} {split}...")
        dataset = getattr(medmnist, INFO[DATASET]['python_class'])(
            split=split, root=TEMP, download=True)
        dataset.save(FOLDER, POSTFIX)  

也可以直接在workspace底下執行檔案

python src/make_dataset.py

等待片刻，執行好以後，就可以獲得像這樣的結構

如此一來，就準備好資料了！

結論

• 本日介紹友善的練習用資料集MedMNIST及其使用的方法
• 實作取得圖檔的方法
• 為接下來的資料處理做準備