非结核分枝杆菌肺病:聚焦影像学表现的简要综述数据
数据围绕非结核分枝杆菌肺病(NTM-LD)的影像学表现,基于 18 篇文献综述及患者 CT 图像,汇总了肺空洞(88.9%)、支气管扩张(77.8%)和肺结节(55.6%)等主要影像学发现

基本信息
资源简介
非结核分枝杆菌肺病:聚焦影像学表现的简要综述数据
Non-tuberculous mycobacterial lung disease: a brief review focusing on radiological findings
该数据集来自 scielo.figshare.com,配套论文发表于 Revista da Sociedade Brasileira de Medicina Tropical(2020 年),包含 5 个文件,主要为 3 张影像图片和 2 个表格文件。数据围绕非结核分枝杆菌肺病(NTM-LD)的影像学表现,基于 18 篇文献综述及患者 CT 图像,汇总了肺空洞(88.9%)、支气管扩张(77.8%)和肺结节(55.6%)等主要影像学发现。该数据可用于呼吸系统疾病影像学特征的学习与参考,辅助 NTM-LD 的诊断研究(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《Non-tuberculous mycobacterial lung disease: a brief review focusing on radiological findings》发表于 Revista da Sociedade Brasileira de Medicina Tropical(2020),DOI:10.1590/0037-8682-0241-2020。源站首次发布:2021-03-24。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 由非结核分枝杆菌(NTM-LD)引起的肺病发病率和患病率在全球范围内呈上升趋势,其诊断是一项复杂的挑战。本文旨在综述 NTM-LD 的断层影像学表现,以促进其明确诊断。相关出版物的检索在 PMC 和 Scielo 中进行,使用关键词“non-tuberculous mycobacteria”、“lung disease and computed tomography (CT)”和“radiological findings”。综述了 18 篇关于分枝杆菌病的文章所描述的影像学表现。此外,还考虑了诊断为 NTM-LD 患者的 CT 图像以代表影像学表现。使用了 18 篇出版物,其主要发现为肺空洞(88.9%)、支气管扩张(77.8%)和肺结节(55.6%)。尽管分枝杆菌病的影像学分析存在重叠,但
【数据结构与技术规格】
文件数 5 个,合计 1.91 MB。数据集 DOI:10.6084/m9.figshare.14277076.v1。
【主题与分类】
源站学科分类:Medicine。主题标签:Non-tuberculous mycobacteria、Lung disease、Computed tomography、Radiological findings。本站分类:呼吸系统疾病。
【适用方向】
源站学科分类标注为 Medicine。
【获取与许可】
源站页面:https://scielo.figshare.com/articles/dataset/Non-tuberculous_mycobacterial_lung_disease_a_brief_review_focusing_on_radiological_findings/14277076
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Anjos, Laura Raniere Borges dos; Parreira, Poliana Lopes; Torres, Pedro Paulo Teixeira Silva; Kipnis, André; Junqueira-Kipnis, Ana Paula; Rabahi, Marcelo Fouad (2020). Non-tuberculous mycobacterial lung disease: a brief review focusing on radiological findings. SciELO journals. Dataset
【使用注意】
· 源站最后修改于 2023-06-01,引用时请注意版本时效。
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:Non-tuberculous mycobacterial lung disease: a brief review focusing on radiological findings
- DOI:10.6084/m9.figshare.14277076.v1
- 发布日期:2021-03-24
- 文件数:5 个
- 文件总体积:1.91 MB
- 源站页面:https://scielo.figshare.com/articles/dataset/Non-tuberculous_mycobacterial_lung_disease_a_brief_review_focusing_on_radiological_findings/14277076
命令行下载
curl -L -o "1678-9849-rsbmt-53-e20200241-gf1.jpg" "https://ndownloader.figshare.com/files/27089359"
curl -L -o "1678-9849-rsbmt-53-e20200241-gf2.jpg" "https://ndownloader.figshare.com/files/27089362"
curl -L -o "1678-9849-rsbmt-53-e20200241-gf3.jpg" "https://ndownloader.figshare.com/files/27089365"
curl -L -o "Table_1.xls" "https://ndownloader.figshare.com/files/27089368"
curl -L -o "Table_2.xls" "https://ndownloader.figshare.com/files/27089371"
文件清单
1678-9849-rsbmt-53-e20200241-gf1.jpg(357.59 KB)1678-9849-rsbmt-53-e20200241-gf2.jpg(762.95 KB)1678-9849-rsbmt-53-e20200241-gf3.jpg(770.34 KB)Table_1.xls(9.73 KB)Table_2.xls(5.63 KB)
文件总体积 1.91 MB(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
摘要 由非结核分枝杆菌引起的肺部疾病(NTM-LD)的发病率和患病率在全球范围内呈上升趋势,其诊断是一项复杂的挑战。本文旨在综述NTM-LD的断层成像表现,以便于其明确诊断。以“非结核分枝杆菌”、“肺部疾病与计算机断层扫描(CT)”及“影像学表现”为关键词,在PMC和Scielo中检索相关主题的出版物。本文回顾了18篇关于分枝杆菌病的文章中描述的影像学表现。此外,还纳入了诊断为NTM-LD患者的CT图像,以代表影像学表现。共采用18篇出版物,其主要发现为肺空洞(88.9%)、支气管扩张(77.8%)和肺结节(55.6%)。尽管分枝杆菌病的影像学分析与结核病等其他肺部感染存在重叠,但中叶和舌叶的显著受累应引起对NTM-LD的怀疑。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.14277076.v1(source: https://scielo.figshare.com/articles/dataset/Non-tuberculous_mycobacterial_lung_disease_a_brief_review_focusing_on_radiological_findings/14277076)。
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。




