气胸患者特征数据集
该数据集包含175例疑似气胸患者的CT影像和临床表格数据，通过提取影像组学特征并应用梯度提升机、XGBoost等机器学习模型，旨在开发智能诊断工具以提升气胸检测的准确性和效率，支持放射科医生进行快速、精准的影像解读，减少诊断错误并改善患者预后。
创建时间2024-12-09
更新时间2024-12-09
原始链接
https://figshare.com/articles/dataset/Characteristics_of_patients_with_pneumothorax_/27995798
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
该数据集旨在通过影像组学与机器学习方法提升气胸诊断的准确性。数据集包含175例疑似气胸患者的CT影像及临床数据，影像经过Matlab软件预处理，并从中提取了影像组学特征。研究采用梯度提升机（GBM）、极限梯度提升（XGBoost）和LightGBM等机器学习模型对特征进行分析，评估指标包括准确率、精确率、特异性、敏感性、F1分数、AUC及误分类率等。结果显示，GBM模型在准确率（98.97%）和精确率（99.55%）上表现最佳。该数据集主要用于支持气胸的智能辅助诊断研究，帮助放射科医生提高诊断效率、减少误诊，并优化患者诊疗流程。
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 气胸 的高质量、多模态真实临床数据定制解决方案。