基于流量-容积曲线自动检测上气道梗阻的深度学习补充材料
该数据集包含来自肺功能测试的流量-容积曲线图像和指标数据，主要涉及图像和数值模态，用于训练深度学习模型以自动检测上气道梗阻模式，研究方向包括呼吸疾病辅助诊断和肺功能模式识别，旨在提高临床诊断准确率并减少误诊。
创建时间2022-05-12
更新时间2022-05-12
原始链接
https://figshare.com/articles/dataset/Supplementary_Material_for_Deep_Learning_for_Automatic_Upper_Airway_Obstruction_Detection_by_Analysis_of_Flow-Volume_Curve/19753726
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
该数据集是一个医学研究数据集，旨在支持通过深度学习自动检测上气道梗阻（Upper Airway Obstruction, UAO）的研究。数据集包含来自45,831名患者的肺功能测试（spirometry）记录，其中经过金标准（如计算机断层扫描、内窥镜或临床诊断）确认的351例上气道梗阻病例，以及200例无气道狭窄的对照病例。数据主要包括从流量-容积曲线（Flow-Volume Curve）中提取的图像和指标，用于训练和测试深度学习模型。该数据集可用于呼吸疾病辅助诊断、肺功能模式识别等研究方向，帮助提高上气道梗阻的自动化检测准确率，并作为临床决策支持工具。
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 气道梗阻 的高质量、多模态真实临床数据定制解决方案。