肺结节
肺结节是肺部影像检查中局灶性、类圆形密度增高影，直径多≤3 cm，单发或多发。其形成与炎症、肉芽肿、良性肿瘤及早期肺癌等病理过程有关。多数患者无明显症状，常在体检时偶然发现。评估需综合影像特征、临床风险因素及动态变化，常用低剂量CT随访、增强扫描或PET-CT，必要时穿刺活检。管理依据恶性风险分层，包括定期观察、抗炎后复查或手术切除。精准评估与个体化随访是避免过度诊疗的关键。随着人工智能辅助诊断的应用，肺结节的检出与定性效率显著提升。
获取 肺结节 专属定制方案共 28 个数据集
LUNA16与LiTS17数据集上的病灶分割性能
该数据集基于LUNA16和LiTS17两个公开医学影像数据集，提供了病灶分割任务的性能评估数据，主要模态为CT影像，包含分割结果和评估指标，用于支持肺结节与肝脏肿瘤的自动分割算法研究、性能比较及医学影像分析领域的基准测试。
ICD-LNA: 印度肺结节分析CT图像数据库
该数据集包含113例印度患者的胸部CT扫描影像（DICOM格式）及对应的肺结节分割标注掩码（NIFTI格式），属于医学影像模态数据，主要用于肺结节的检测、分割与定量分析研究，支持计算机辅助诊断系统的开发与验证，尤其在跨人群医学影像分析中具有应用价值。
基于高低阈值的磨玻璃密度结节（GGNs）亚分类
该数据集包含肺部CT影像模态的数据，通过对磨玻璃密度结节（GGNs）设置高、低阈值进行亚分类，旨在量化结节密度特征，主要用于肺结节影像分类和磨玻璃密度结节分析研究，支持肺癌早期诊断与计算机辅助检测系统的开发。
ERYON数据管道数据集
该数据集是一个经过系统处理的医学影像数据集，核心内容源自公开的LIDC-IDRI胸部CT扫描数据库，包含肺部结节的标注信息，数据模态为从DICOM格式转换而来的PNG图像及配套的JSONL管理清单。它主要用于支持基于深度学习的计算机辅助诊断（CAD）模型开发，特别是在肺结节检测与分类这一医学影像分析研究方向，其设计强调严格的数据管理流程，包括患者级数据分割和完整性验证，以确保模型训练的稳健性。
