胸部CT图像特征数据集
该数据集包含来自两个中心（Frederikshavn 和 Aalborg）的患者与对照者的胸部CT图像衍生特征。每张图像由50个特征向量表示，每个特征向量描述一个大小为41×41×41体素的体积ROI，这些ROI在肺掩膜内随机位置提取
基本信息
资源简介
胸部CT图像特征数据集
Dataset (features extracted from chest CT images) accompanying the paper Automatic emphysema detection using weakly labeled HRCT lung images
该数据集包含来自两个中心（Frederikshavn 和 Aalborg）的患者与对照者的胸部CT图像衍生特征。每张图像由50个特征向量表示，每个特征向量描述一个大小为41×41×41体素的体积ROI，这些ROI在肺掩膜内随机位置提取。提取的特征为高斯尺度空间特征，或滤波后ROI内强度值的直方图，使用八种滤波器、四个尺度（0.6、1.2、2.4和4.8 mm）以及十个bin的直方图。该数据集可用于自动肺气肿检测等分类任务（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2018。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含来自两个不同中心（Frederikshavn 和 Aalborg）扫描的患者和对照者的CT图像的衍生特征。每张图像由50个特征向量表示，其中每个特征向量描述一个大小为41 x 41 x 41体素的体积ROI，这些ROI在肺掩膜内的随机位置提取。提取的特征是高斯尺度空间特征，或滤波图像后ROI内强度值的直方图。这里我们使用八种滤波器（平滑图像、梯度幅值、高斯拉普拉斯、Hessian的三个特征值、高斯曲率和特征幅值）、四个尺度（0.6、1.2、2.4和4.8 mm）以及十个bin的直方图。
【主题与分类】
主题标签：80104 Computer Vision。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://figshare.com/articles/Dataset_features_extracted_from_chest_CT_images_accompanying_the_paper_Automatic_emphysema_detection_using_weakly_labeled_HRCT_lung_images/6373145/1
使用许可：Creative Commons Attribution 4.0 International。
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
源站：https://doi.org/10.6084/m9.figshare.6373145.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
该数据集包含来自在两个不同中心（Frederikshavn和Aalborg）扫描的患者与对照者的CT图像的衍生特征。每张图像由50个特征向量表示，每个特征向量描述了大小为41 x 41 x 41体素的体积感兴趣区域（ROI），这些区域是在肺掩模内随机位置提取的。所提取的特征为高斯尺度空间特征，即滤波后ROI内强度值的直方图。此处我们使用了八种滤波器（平滑图像、梯度幅度、高斯拉普拉斯算子、Hessian矩阵的三个特征值、高斯曲率和特征幅度），四种尺度（0.6、1.2、2.4和4.8毫米），以及十个箱的直方图。
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。
