基于CT影像的甲状腺眼病与眼眶肌炎鉴别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相似的疾病。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110例为甲状腺眼病患者、51例为眼眶肌炎患者、31例为正常对照。数据来源于一项为期12年的单中心回顾性队列研究，所有患者均经过眼眶影像学检查和眼整形外科医生评估。研究采用VGG-16网络架构的深度学习模型，在不同疾病组合（TED vs. 眼眶肌炎、TED vs. 正常、眼眶肌炎 vs. 正常）上进行训练和验证。主要模型（TED vs. 眼眶肌炎）的准确率达到98.4%，AUC为0.999，检测眼眶肌炎的敏感性、特异性和F1分数分别为0.964、0.994和0.984。该数据集表明深度学习模型能够基于单张冠状位眼眶CT图像高精度区分这两种疾病，不仅依赖眼外肌增大的特征，还能识别其他显著性特征，在眼科疾病诊断、鉴别诊断及治疗评估方面具有潜在应用价值。