基于CT影像的甲状腺眼病与眼眶肌炎鉴别诊断深度学习模型数据集

该数据集包含192名患者的1628张冠状位眼眶CT单层图像,涵盖甲状腺眼病、眼眶肌炎及正常对照三类样本,属于医学影像模态数据,主要用于开发深度学习模型以实现甲状腺眼病与眼眶肌炎的自动化鉴别诊断,支持医学影像分析和计算机辅助诊断领域的研究。

Wang, Mengyu; Lin, Lisa Y.; Lee, Nahyoung Grace; Han, Ji Yun; Ha, Sierra K.; Shi, MinWang, Mengyu; Lin, Lisa Y.; Lee, Nahyoung Grace; Han, Ji Yun; Ha, Sierra K.; Shi, Min
Taylor & Francis Group
2025-11-29 更新
浏览 14
Artificial intelligencedeep learningthyroid eye diseaseorbital myositiscomputed tomography
Deep Learning Model for Differentiating Thyroid Eye Disease and Orbital Myositis on Computed Tomography (CT) Imaging

基本信息

大小
0.001760415 GB
许可
CC BY 4.0
创建/更新时间
2025-11-29
版本
v1

资源简介

基于CT影像的甲状腺眼病与眼眶肌炎鉴别诊断深度学习模型数据集

【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。

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(Figshare)

源站:https://tandf.figshare.com/articles/dataset/Deep_learning_model_for_differentiating_thyroid_eye_disease_and_orbital_myositis_on_computed_tomography_CT_imaging/29225734/1

按页面 Download 按钮获取。

数据说明

该数据集是一个用于开发深度学习模型的医学影像数据集,旨在通过眼眶计算机断层扫描(CT)影像准确区分甲状腺眼病(TED)和眼眶肌炎这两种临床表现重叠的疾病。数据集包含来自192名患者的1628张冠状位眼眶CT单层图像,其中包含110例TED患者、51例眼眶肌炎患者和31例正常对照。数据来源于一项为期12年的单中心回顾性队列研究,所有患者均经过眼整形外科医生的影像检查和临床评估。研究采用Visual Geometry Group-16(VGG-16)网络架构训练深度学习模型,在多种二分类组合(如TED vs. 眼眶肌炎、疾病 vs. 正常对照)上进行测试。主要模型在区分眼眶肌炎和TED时准确率达98.4%,受试者工作特征曲线下面积(AUC)为0.999。该数据集主要用于医学影像分析、计算机辅助诊断和深度学习算法开发,特别适用于眼眶疾病的自动化鉴别诊断研究。

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。

获取专属数据定制方案