基于CT影像的深度学习模型用于区分甲状腺眼病和眼眶肌炎
该数据集包含1628张冠状位眼眶CT单层图像,涵盖甲状腺眼病、眼眶肌炎患者及正常对照的影像数据,通过基于VGG-16网络的深度学习模型训练,实现了对两种疾病的准确区分,主要用于医学影像诊断、疾病鉴别及深度学习在眼科影像分析中的应用研究。

基本信息
资源简介
基于CT影像的深度学习模型用于区分甲状腺眼病和眼眶肌炎
【数据集背景】
本数据集源站标题为《Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging》。配套论文《Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging》发表于 Orbit(2025),DOI:10.1080/01676830.2025.2510587。项目资助方:This work was partially supported by [NIH R21 EY035298].。源站首次发布:2025-06-03。
【数据内容】
源站原始描述:To develop a deep learning model using orbital computed tomography (CT) imaging to accurately distinguish thyroid eye disease (TED) and orbital myositis, two conditions with overlapping clinical presentations Retrospective, single-center cohort study spanning 12 years including normal controls, TED, and orbital myositis patients with orbital imaging and examination by an oculoplastic surgeon. A deep learning model employing a Visual Geometry Group-16 network was trained on various binary combina…
【数据结构与技术规格】
文件数 2 个,合计 1.76 MB。iorb_a_2510587_sm5593.jpg:image/jpeg,1.27 MB。iorb_a_2510587_sm5587.jpg:image/jpeg,490.87 KB。数据集 DOI:10.6084/m9.figshare.29225734.v1。
【主题与分类】
源站学科分类:Space Science、Medicine、Cell Biology、Physiology、Biotechnology、Chemical Sciences not elsewhere classified。主题标签:Artificial intelligence、deep learning、thyroid eye disease、orbital myositis、computed tomography。
【适用方向】
源站学科分类标注为 Space Science、Medicine、Cell Biology、Physiology、Biotechnology、Chemical Sciences not elsewhere classified。
【获取与许可】
源站页面:https://tandf.figshare.com/articles/dataset/Deep_learning_model_for_differentiating_thyroid_eye_disease_and_orbital_myositis_on_computed_tomography_CT_imaging/29225734
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging. Taylor & Francis. Ha, Sierra K.; Lin, Lisa Y.; Shi, Min; Wang, Mengyu; Han, Ji Yun; Lee, Nahyoung Grace
【使用注意】
· 源站最后修改于 2025-11-29,引用时请注意版本时效。
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(Figshare)
按页面 Download 按钮获取。
数据说明
该数据集是一个用于医学影像诊断的公开数据集,旨在开发一个基于深度学习的模型,利用眼眶计算机断层扫描(CT)影像准确区分甲状腺眼病(TED)和眼眶肌炎。数据集包含来自192名患者(110例TED、51例眼眶肌炎、31例正常对照)的1628张冠状位眼眶CT单层图像,数据来源于一项为期12年的单中心回顾性队列研究,所有影像均经过眼眶整形外科医生的检查。该数据集采用视觉几何组-16网络(VGG-16)进行训练,模型在区分TED和眼眶肌炎时准确率达到98.4%,受试者工作特征曲线下面积(AUC)为0.999,显示出高精度诊断潜力。该数据集主要用于辅助诊断、疾病鉴别及深度学习在医学影像分析中的应用研究。
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。




