视觉评分法评估图像质量比较数据集
该数据集来自 plos.figshare.com，包含 1 个文件（Table 2.xls），用于比较低剂量 CT 在间质性肺病（ILD）中的图像质量
基本信息
资源简介
视觉评分法评估图像质量比较数据集
Comparison of Image quality by visual scoring.
该数据集来自 plos.figshare.com，包含 1 个文件（Table 2.xls），用于比较低剂量 CT 在间质性肺病（ILD）中的图像质量。研究回顾性纳入 193 例疑似 ILD 患者，采用 FBP、ASiR-V 30% 和 DLM 三种方法重建图像，评估信号、噪声、SNR、BRISQUE 及视觉评分，并按 2022 IPF 诊断标准对 UIP 的 CT 模式进行分类。数据可用于图像质量评估与重建方法比较研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2023-09-27。
【数据内容】
源站描述（机器翻译，仅供参考）：为评估深度学习模型重建（DLM）方法在低剂量计算机断层扫描（LDCT）中用于间质性肺病（ILD）时的图像质量和诊断一致性效果，回顾性分析了 193 例因疑似 ILD 接受 LDCT 的患者。数据集使用滤波反投影（FBP）、自适应统计迭代重建 Veo（ASiR-V）和 DLM 进行重建。图像质量分析评估了信号、噪声、信噪比（SNR）、盲/无参考图像空间质量评估器（BRISQUE）和视觉评分。此外，根据 2022 年特发性肺纤维化（IPF）诊断标准对普通型间质性肺炎（UIP）的 CT 模式进行分类。评估了 FBP、ASiR-V 30% 和 DLM 处理的 CT 图像之间的差异。DLM 图像的图像噪声和 BRISQUE 评分较低，SNR
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。数据集 DOI：10.1371/journal.pone.0291745.t002。
【主题与分类】
源站学科分类：Space Science、Medicine、Cell Biology、Biological Sciences not elsewhere classified。主题标签：usual interstitial pneumonia、three reconstruction methods、interstitial lung disease、dose computed tomography、deep learning reconstruction、v 30 %,、990 – 0、image quality analysis、ct images subjected、snr ), blind。本站分类：呼吸道疾病/间质性肺病。
【适用方向】
源站学科分类标注为 Space Science、Medicine、Cell Biology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Comparison_of_Image_quality_by_visual_scoring_/24207742
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Kim, Chu hyun; Chung, Myung Jin; Ki, Yoon; Oh, Seok; Kim, Kwang gi; Yoo, Hongseok (2023). Comparison of Image quality by visual scoring.. PLOS ONE. Dataset
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）
- 源站标题：Comparison of Image quality by visual scoring.
- DOI：10.1371/journal.pone.0291745.t002
- 发布日期：2023-09-27
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Comparison_of_Image_quality_by_visual_scoring_/24207742
命令行下载
curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/42485191"
文件清单
Table 2.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
为评估深度学习模型重建（DLM）方法在间质性肺疾病（ILD）低剂量计算机断层扫描（LDCT）中的图像质量和诊断一致性效果，回顾性分析了193例因疑似ILD接受LDCT的患者。数据集采用滤波反投影（FBP）、自适应统计迭代重建Veo（ASiR-V）和DLM进行重建。图像质量分析评估了信号、噪声、信噪比（SNR）、盲/无参考图像空间质量评估器（BRISQUE）和视觉评分。此外，根据2022年特发性肺纤维化（IPF）诊断标准对普通型间质性肺炎（UIP）的CT模式进行分类。评估了FBP、ASiR-V 30%和DLM处理的CT图像之间的差异。DLM图像的图像噪声和BRISQUE评分低于ASiR-V和FBP图像，SNR高于ASiR-V和FBP图像（ASiR-V vs. DLM，p < 0.001）。三种重建方法对IPF诊断分类的一致性几乎完美（κ = 0.992，CI 0.990–0.994）。
与ASiR-V和FBP相比，DLM提高了图像质量。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0291745.t002（source: https://plos.figshare.com/articles/dataset/Comparison_of_Image_quality_by_visual_scoring_/24207742）。
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。
