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

资源简介

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。