相关实验视频
Updated: May 12, 2026
05:44
Ultrasonographic Evaluation of Breast Cancer-related Lymphedema
Published on: January 12, 2017
9.4K
公共汽车-UCLM:乳房超声波病变细分数据集
Noelia Vallez1, Gloria Bueno2, Oscar Deniz2
1VISILAB, E.T.S. Ingeniería Industrial, University of Castilla-La Mancha, Avda. Camilo José Cela s/n, 13005, Ciudad Real, Spain. Noelia.Vallez@uclm.es.
Scientific data
|February 11, 2025
概括
这套683张乳房超声波图像的数据集有助于细分和分类病变. 它支持开发机器学习模型,以区分良性和恶性瘤.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 公共卫生 公共卫生
背景情况:
- 乳腺癌的诊断依赖于通过超声波图像准确识别病变.
- 乳腺病变的细分和分类对于确定恶性瘤至关重要.
- 现有的数据集可能缺乏详细的注释,以开发强大的机器学习模型.
研究的目的:
- 提供乳房超声波扫描的综合数据集,用于病变细分和分类.
- 为培训和评估计算机视觉模型提供专家注释的实地真相口罩.
- 促进对乳腺瘤自动检测和表征的研究.
主要方法:
- 使用西门子ACUSON S2000TM超声系统收集了38次乳房超声扫描 (683张图像).
- 图像的分类为正常 (419),良性 (174) 和恶性 (90) 发现.
- 产生的RGB细分面具作为地面真相,特定的颜色表示组织类型和病变分类.
主要成果:
- 一个包含683张图像的数据集,包括正常组织,良性病变和恶性病变的详细细分类面具.
- 该数据集适合用于培训和验证用于乳腺损伤分析的机器学习算法.
- 通过细分,可以对损伤区域和轮进行定量评估.
结论:
- 这一数据集是促进乳腺病变细分和分类研究的宝贵资源.
- 它支持开发人工智能驱动的工具,以改善乳腺癌诊断.
- 通过增强的医学成像分析,促进公共卫生倡议.
