Name: 深度学习特征报告作为单操作者阑尾超声起草助手的数据集
Creator: figshare
License: CC BY 4.0

基本信息

模态

医学影像

大小

0.009793969 GB

任务类型

分类

许可

CC BY 4.0

创建/更新时间

2026-10-26

版本

v2

资源简介

深度学习特征报告作为单操作者阑尾超声起草助手的数据集

Deep learning feature reports as a drafting assistant for single-operator appendiceal ultrasound

该数据集伴随论文《深度学习特征报告作为单操作者阑尾超声起草助手》，版本2保留版本1的图像档案并新增分析文件。内容涵盖10445张特征级训练图像、模型选择队列（n=184）与内部测试队列（n=3214）的存储图像，以及报告标签、最终诊断、外部队列（n=544）的伪匿名专家标签、两个参考队列的盲法专家多数判读、各检查点选择策略的逐患者预测、选择队列bootstrap的逐检查点预测、五种子重训练输出、训练图像索引和补充信息。可用于阑尾超声深度学习分类与结构化报告研究（来源 figshare，CC BY 4.0 许可）。

【数据集背景】

项目资助方：Funder name： Natural Science Foundation of Hunan Province

Grant / award number： 2026JJ82328。源站首次发布：2026-10-26。

【数据内容】

源站描述（机器翻译，仅供参考）：本数据集伴随论文《深度学习特征报告作为单操作者阑尾超声起草助手》。版本2（2026年10月）保持版本1（2025年6月）的图像档案不变，并新增用于分析的文件。内容：（1）10445张特征级训练图像以及模型选择队列（n = 184）和内部测试队列（n = 3214）的存储图像（文件夹FMS/）；（2）报告标签、最终诊断、模型选择标签、外部队列（n = 544）的伪匿名专家标签，以及两个参考队列的盲法专家多数判读（01_labels）；（3）每种检查点选择策略的逐患者预测（02）；（4）用于选择队列bootstrap的逐检查点预测（03）；（5）五种子重训练运行的输出（04）；（6）训练图像索引（05）；（7）补充信息

【数据结构与技术规格】

文件数 8 个，合计 9.79 MB。数据集 DOI：10.6084/m9.figshare.34783548.v2。

【主题与分类】

源站学科分类：Medical biotechnology diagnostics (incl. biosensors)。主题标签：appendicitis、ultrasound、deep learning、structured reporting、reference standard、label noise。本站分类：消化系统疾病/其他。

【适用方向】

源站学科分类标注为 Medical biotechnology diagnostics (incl. biosensors)。

【获取与许可】

源站页面：https://figshare.com/articles/dataset/Deep_learning_feature_reports_as_a_drafting_assistant_for_single-operator_appendiceal_ultrasound/34783548

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Li, jian (2026). Deep learning feature reports as a drafting assistant for single-operator appendiceal ultrasound. figshare. Dataset

原始链接

https://doi.org/10.6084/m9.figshare.34783548.v1

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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://doi.org/10.6084/m9.figshare.34783548.v1

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。

数据集大小约 9.8 MB。

数据说明

本数据集随稿件《深度学习特征报告作为单操作者阑尾超声的起草助手》一同发布。版本2（2026年10月）保持版本1（2025年6月）的图像档案不变，并新增了分析所用的文件。内容：（1）10 445张特征级训练图像，以及模型选择队列（n = 184）和内部测试队列（n = 3214）的存储图像（文件夹FMS/）；（2）报告标签、最终诊断、模型选择标签、外部队列（n = 544）的假名化专家标签，以及两个参考队列的盲法专家多数判读（01_labels）；（3）每种检查点选择策略的逐患者预测（02）；（4）用于选择队列自助法的逐检查点预测（03）；（5）五次种子重训练运行的输出（04）；（6）训练图像索引（05）；（7）补充信息和源数据（06）；（8）读者研究记录和分析脚本（07）。README_data.md给出了文件字典、编码以及与稿件表格的对应关系。所有数据均已去标识化。

所有共享图像均经过中心裁剪（500 × 450像素），以去除烧录的机构名称、检查日期和扫描仪标头。报告自由文本、未裁剪的帧、外部队列图像、个体（非多数）专家判读结果及模型权重未包含在内，可在合理请求下向通讯作者获取，但需经机构批准。代码：https://github.com/ER-UIS/FMS-Appendicitis-US

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