肺部超声波图像的数据集,用于基于人工智能的自动肺部疾病分类
Andrew Katumba1,2,3, Sudi Murindanyi4,2,3, Nixson Okila4
1Department of Electrical and Computer Engineering, Makerere University, Kampala, Uganda.
Data in brief
|October 2, 2025
概括
这项研究引入了来自乌干达的新型肺超声波 (LUS) 图像数据集,用于训练人工智能 (AI) 进行肺病诊断. 这一基准数据集旨在改善自动化LUS解释并减少诊断错误.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 肺部超声波 (LUS) 是诊断肺部疾病的宝贵工具.
- 准确的LUS解释面临着诸如操作员可变性和低信号噪声比等挑战.
- 需要自动诊断工具来增强LUS的实用性.
研究的目的:
- 呈现一个精心策划的,标记的,来自乌干达的LUS图像的基准数据集.
- 支持开发基于人工智能的诊断工具,用于肺部疾病的分类.
- 促进深度学习的研究,以使用LUS.US进行肺病诊断.
主要方法:
- 从乌干达医院收集了1062张标记为LUS图像的数据集.
- 高级放射科医生从患者身上获得了图像.
- 该数据集适用于训练和评估卷积神经网络 (CNN) 模型.
主要成果:
- 已经创建了一个全面的,标记的LUS数据集.
- 该数据集使人工智能模型用于肺部疾病分类的训练成为可能.
- 它作为开发强大的深度学习系统的基准.
结论:
- 精心策划的LUS数据集是人工智能在肺部诊断领域发展的宝贵资源.
- 这一基准数据集可以帮助克服LUS解释方面的挑战.
- 预计它将利用LUS.提升使用LUS.的自动肺病诊断.
