基于临床、生化数据和超声模式的ACR TI-RADS 4结节诊断列线图模型

基于1557例病例的临床、生化及超声数据,构建用于预测甲状腺TR4结节恶性率的列线图模型数据集。

Science Data BankScience Data Bank
DataCite Commons
2025-04-27 更新
浏览 19
表格甲状腺结节诊断模型
Diagnostic nomogram model for ACR TI-RADS 4 nodules based on clinical, biochemical data, and sonographic patterns

基本信息

模态
表格
许可
https://creativecommons.org/licenses/by/4.0/
创建/更新时间
2025-04-27

资源简介

基于临床、生化数据和超声模式的ACR TI-RADS 4结节诊断列线图模型

【数据集背景】

源站首次发布:2024-05-06。

【数据内容】

源站原始描述:In this study, we aim to establish and validate a nomogram model for predicting the malignancy rates in the Thyroid Imaging Reporting and Data System 4 (TR4) nodules. Briefly, 1557 cases were retrospectively collected from our medical center. 8 out of 22 variables (age, margin, extrathyroidal extension, halo, calcification, suspicious lymph node metastasis, aspect ratio, and thyroid peroxidase antibody) were used to build a diagnostic nomogram model. The presented nomogram model has satisfied cl…

中文译文(机器翻译,仅供快速理解,请以原文为准):本研究旨在建立并验证一个列线图模型,用于预测甲状腺影像报告和数据系统4类(TR4)结节的恶性率。简而言之,我们从本医疗中心回顾性收集了1557例病例。22个变量中的8个(年龄、边缘、甲状腺外侵犯、晕环、钙化、可疑淋巴结转移、纵横比和甲状腺过氧化物酶抗体)被用于构建诊断列线图模型。所提出的列线图模型在预测TR4结节的恶性概率方面具有满意的临床实用性。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://www.scidb.cn/detail?dataSetId=8ac0873d30544322a180c87d1d355909

使用许可:https://creativecommons.org/licenses/by/4.0/。

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://www.scidb.cn/detail?dataSetId=8ac0873d30544322a180c87d1d355909

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案