一个肺结节数据集与基于组织病理学的癌症类型注释
Muwei Jian1,2, Hongyu Chen3, Zaiyong Zhang4
1School of Computer Science and Technology, Shandong University of Finance and Economics, Jinan, China. jianmuwei@ouc.edu.cn.
Scientific data
|July 27, 2024
概括
这项研究引入了一个新的肺CT数据集,以改善计算机辅助诊断 (CAD) 系统中的癌症类型预测. 该数据集有助于精确地对肺病进行分类,以提供更好的治疗建议.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是指放射学
背景情况:
- 计算机辅助诊断 (CAD) 系统帮助放射科医生,但难以准确预测肺癌类型.
- 一个主要的局限性是缺乏公开可用的数据集与专家级癌症类型注释.
研究的目的:
- 为了解决注释肺癌数据集的稀缺性.
- 提供一个公开可访问的数据集,用于细肺病的分类.
- 通过改进的诊断工具,促进精确的治疗建议.
主要方法:
- 策划了多样化的肺部计算机断层扫描 (CT) 图像数据集.
- 包括来自95个不同患者的330个注释结节,结节被标记为边界框.
- 使用经典分类和检测模型评估数据集质量.
主要成果:
- 精选的数据集证明了智能辅助诊断的可行性.
- 使用经典模型获得了有希望的结果,表明了数据集的稳定性.
- 该数据集支持对肺部疾病进行更细致的分类.
结论:
- 开发的数据集和工具可以提高CAD系统在肺癌诊断中的准确性.
- 通过更好地分类疾病,促进更精确的治疗策略.
- 有助于推进人工智能驱动的放射学医学诊断.
