探索低辐射剂量结合AI深度学习重建算法在产后肺动脉CTA中的应用价值
包含60例产后患者肺动脉CTA数据，比较低辐射剂量联合AI深度学习重建算法与常规剂量迭代重建算法的辐射剂量和图像质量，结果显示100kV低剂量+ClearInfinity算法可降低辐射剂量36.73%并提升图像质量。
基本信息
模态
医学影像
创建/更新时间
2026-03-05
资源简介
本研究包含60例产后疑似或随访肺动脉栓塞的患者数据，分为常规剂量组和低剂量组，低剂量组进一步分为使用ClearInfinity深度学习重建算法和ClearView迭代重建算法。数据包括CTDIvol、DLP、ED等辐射剂量参数，以及肺动脉CT值、图像噪声、信噪比和对比噪声比等图像质量指标，还包含两名放射科医生对图像的主观评分。研究验证了100kV低剂量联合ClearInfinity算法可降低辐射剂量并提高图像质量，适用于BMI 24-28 kg/m²的产后患者。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://www.scidb.cn/detail?dataSetId=OA_86a65f4b30ee4a4ba6acee0e2c86bd50
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
