肺癌研究中的增强型医学影像数据集——基于机器学习的图像识别技术

简介：
本研究致力于开发和应用先进的机器学习算法来提升医学影像中肺癌检测与分析的精确度，通过构建高质量、多样化的增强型数据集以优化图像识别技术。 这是一个用于肺癌研究的增强型医学影像数据集，主要包含来自伊拉克肿瘤教学医院和国家癌症疾病中心患者的CT扫描图像。该数据集于2019年秋季收集，涵盖了110个病例共1190张图像，并分为正常、良性肿瘤和恶性肿瘤三个类别。其中40例被诊断为恶性肿瘤，15例为良性肿瘤，其余的55例是正常的。 这些CT扫描图像是以DICOM格式采集的，使用的是西门子SOMATOM扫描仪，参数包括120 kV电压、1毫米切片厚度以及350到1200 HU范围内的窗宽和50至600 HU之间的窗中心。所有图像在分析前都经过匿名化处理，并且获得了参与医疗中心伦理审查委员会的批准。 数据集的特点在于其多样性和专业标注，由肿瘤学家及放射科医生进行标记，涵盖不同性别、年龄、职业和地区背景的患者，主要来自伊拉克中部地区如巴格达、瓦西特、迪亚拉、萨拉赫丁和巴比伦省。此外还提供了详细的患者信息包括但不限于性别、年龄等。 该数据集已被广泛应用于肺癌诊断的研究中，例如基于卷积神经网络（CNN）分类模型的开发以提高早期肺癌诊断准确性和效率。