甲状腺结节体积对恶性肿瘤的预测性研究数据集
该数据集包含2463名甲状腺切除术患者的临床记录,涵盖5561个甲状腺结节的直径与体积测量数据,数据模态包括临床表格和医学影像分析结果,主要用于研究甲状腺结节体积与恶性肿瘤预测之间的关系,支持医学影像分析、肿瘤风险评估及临床辅助决策等方向。

基本信息
资源简介
甲状腺结节体积对恶性肿瘤的预测性研究数据集
【数据集背景】
本数据集源站标题为《Is thyroid nodule volume predictive for malignancy?》。配套论文《Is thyroid nodule volume predictive for malignancy?》发表于 Archives of Endocrinology and Metabolism(2019),DOI:10.20945/2359-3997000000113。源站首次发布:2019-08-28。
【数据内容】
源站原始描述:ABSTRACT Objective: We aimed to determine the roles of preoperative thyroid nodule diameter and volume in the prediction of malignancy. Subjects and methods: The medical records of patients who underwent thyroidectomy between January 2007 and December 2014 were reviewed. The nodule diameters were grouped as 5 cm3, 5-9.9 cm3 and > 10 cm3. ROC (Receiver Operating Characteristic) curve analysis was performed to find the optimal cutoff value of diameter and volume that can predict malignancy. Result…
【数据结构与技术规格】
文件数 8 个,合计 414.23 KB。数据集 DOI:10.6084/m9.figshare.9739421.v1。
【主题与分类】
源站学科分类:Medicine、Endocrinology。主题标签:Thyroid nodule、nodule volume、malignancy。
【适用方向】
源站学科分类标注为 Medicine、Endocrinology。
【获取与许可】
源站页面:https://scielo.figshare.com/articles/dataset/Is_thyroid_nodule_volume_predictive_for_malignancy_/9739421
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Bestepe, Nagihan; Ozdemir, Didem; Baser, Husniye; Ogmen, Berna; Sungu, Nuran; Kilic, Mehmet; et al. (2019). Is thyroid nodule volume predictive for malignancy?. SciELO journals. Dataset
【使用注意】
· 源站最后修改于 2023-06-01,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)
源站:https://figshare.com/articles/dataset/Is_thyroid_nodule_volume_predictive_for_malignancy_/9739421
按页面 Download 按钮获取。
数据说明
该数据集来源于一项回顾性研究,旨在探讨术前甲状腺结节直径和体积对恶性肿瘤的预测价值。数据集包含2007年1月至2014年12月期间接受甲状腺切除术的2463名患者的医疗记录,共涉及5561个甲状腺结节,其中540个(9.7%)为恶性结节。数据内容包括结节直径(分组为5 cm³、5-9.9 cm³和>10 cm³)及体积测量结果,并采用ROC曲线分析确定预测恶性肿瘤的最佳直径和体积截断值。该数据集主要用于医学影像分析领域,支持甲状腺结节恶性预测、临床决策辅助及肿瘤风险评估等研究方向。
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。




