甲状腺结节诊断的新型实用评分系统
该数据集是一个医学研究数据集，包含甲状腺结节的超声影像、细胞学检测结果以及基因突变（如BRAF V600E、RET/PTC1和RET/PTC3）分析等多模态临床数据，旨在通过综合超声、细胞学和分子信息构建评分系统，以提升甲状腺结节恶性风险的诊断准确率，尤其适用于细胞学结果不确定的病例，为临床医生提供量化的决策支持工具。
创建时间2016-09-22
更新时间2016-09-22
原始链接
https://figshare.com/articles/dataset/Novel_and_Practical_Scoring_Systems_for_the_Diagnosis_of_Thyroid_Nodules/3849807
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集是一项针对甲状腺结节诊断的前瞻性研究数据集，旨在通过综合评估多种诊断参数来区分甲状腺恶性肿瘤与良性结节。数据集包含504个来自468名患者的甲状腺结节，通过超声引导下细针穿刺细胞学（FNAC）获取样本，并同时进行细胞学、超声检查以及分子分析（包括BRAF V600E、RET/PTC1和RET/PTC3突变检测）。研究设计了三种评分系统（结合超声、细胞学和基因分析的不同组合），用于量化预测结节恶性概率，并比较了这些系统与单一诊断方法（如单独细胞学、超声或基因分析）或联合方法的性能。结果表明，评分系统在敏感性和特异性方面显著优于传统方法，尤其在细胞学结果不确定的结节中能有效提高恶性检出率。该数据集主要应用于甲状腺结节的临床诊断、恶性风险评估及精准医疗研究。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 甲状腺结节 的高质量、多模态真实临床数据定制解决方案。