【乳腺超声、乳腺钼靶、宫颈癌、CT骨折】等项目数据调研,及相关参考内容整理汇总

本文主要是介绍【乳腺超声、乳腺钼靶、宫颈癌、CT骨折】等项目数据调研,及相关参考内容整理汇总,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、乳腺超声内容整理

1.1、数据集

1

  1. Breast Ultrasound Images Dataset;下载地址2
  2. STU-Hospital

处理和训练参考文档:https://blog.csdn.net/weixin_51511389/article/details/127594654

1.2、可以参考的论文

  1. AAU-net: An Adaptive Attention U-net for Breast Lesions Segmentation in Ultrasound Images
  2. An RDAU-NET model for lesion segmentation in breast ultrasound images
  3. Breast Ultrasound Region of Interest Detection and Lesion Localisation
  4. Automated Breast Ultrasound Lesions Detection Using Convolutional Neural Networks
    • Dataset A comprises 306 (60 malignant and 246 benign) images;(Corresponding author: Moi Hoon Yap)
    • Dataset B comprises 163 (53 malignant and 110 benign) images

1.3、可以参考的GitHub代码

  1. AAU-net 论文对应的代码

1

  1. breast_ultrasound_lesion_segmentation_PyTorch,包括了对BUSI的数据处理

1.4、可以参考的博客

  1. 基于VGGNet乳腺超声图像数据集分析

1.5、简单任务需求

一般来说,乳腺rads(即BI-RADS,乳腺影像报告和数据系统)分级标准是通过彩超检查,对乳腺病变的性质分为0-6,共七级。不同级别,表现是不同的。

  • BI-RADS 0:单一的影像学检查不能评价其性质或有无病变,需要结合其他影像学检查。
  • BI-RADS 1:检查结果呈阴性,未发现异常病变。乳腺超声显示乳腺结构清晰,无肿块、无皮肤增厚、无微钙化等。
  • BI-RADS 2:乳腺良性肿块(单纯囊肿、积乳囊肿、随访后无改变的纤维腺瘤、纤维脂肪腺瘤、脂肪瘤)和肯定的良性钙化,基本上可以排除恶性病变,可6~12个月随诊。
  • BI-RADS 3:年龄<40岁,肿块形态呈圆形或椭圆形;与皮肤平行或纵横比。
  • BI-RADS 4:恶性可能性2%~95%,需穿刺或者切除活检,此级可进一步分为4A、4B、4C。其中,
    • 4A:低度可疑病灶,包括可触摸到的,部分边缘清楚的实性肿块。恶性可能性2%~10%。
    • 4B:中度恶性可能,边界部分浸润的肿块或脂肪坏死,恶性可能性10%~50%;
    • 4C:恶性病变可能性很高,形态不规则、边缘浸润的实性肿块和蔟状分布的细小微粒簇钙化,恶性可能性50%~94%。
  • BI-RADS 5:符合8条中的3条,或3条以上者为5级,具备典型的恶性征象,高度可能为恶性,可能性≥95%。
    1. 形态不规则;
    2. 与皮肤不平行,纵横比>1(即宽<高);
    3. 边界不清(模糊、微小分叶、成角和(或)毛刺);
    4. 周边强回声的恶晕征;
    5. 两侧边缘不锐利或不规整的后方声影;
    6. 周围组织改变(Cooper氏韧带变直和增厚、正常结构分层中断或消失、皮肤增厚或凹陷);
    7. 微小(小于0.5mm)钙化;
    8. 内部有血流。
  • BI-RADS 6:已活检病理证实为恶性。

二、宫颈癌风险智能诊断

2.1、数据集

数据集下载链接:

kfbreader.zip	59.8MB	http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/kfbreader.zip
labels.zip	210.29KB	http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/labels.zip
neg_0.zip	10.74 	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_0.zip
neg_1.zip	10.24GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_1.zip
neg_2.zip	11.55GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_2.zip
neg_3.zip	11.11GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_3.zip
neg_4.zip	11.25GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_4.zip
neg_5.zip	11.57GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/neg_5.zip
pos_0.zip	13.01GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_0.zip
pos_1.zip	12.68GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_1.zip
pos_2.zip	12.85GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_2.zip
pos_3.zip	12.74GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_3.zip
pos_4.zip	12.81GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_4.zip
pos_5.zip	12.84GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_5.zip
pos_6.zip	13.36GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_6.zip
pos_7.zip	13.41GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/231757/pos_7.zip
pos_8.zip	12.97GB	    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.co

这篇关于【乳腺超声、乳腺钼靶、宫颈癌、CT骨折】等项目数据调研,及相关参考内容整理汇总的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/270970

相关文章

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处

使用MongoDB进行数据存储的操作流程

《使用MongoDB进行数据存储的操作流程》在现代应用开发中,数据存储是一个至关重要的部分,随着数据量的增大和复杂性的增加,传统的关系型数据库有时难以应对高并发和大数据量的处理需求,MongoDB作为... 目录什么是MongoDB?MongoDB的优势使用MongoDB进行数据存储1. 安装MongoDB

Linux使用fdisk进行磁盘的相关操作

《Linux使用fdisk进行磁盘的相关操作》fdisk命令是Linux中用于管理磁盘分区的强大文本实用程序,这篇文章主要为大家详细介绍了如何使用fdisk进行磁盘的相关操作,需要的可以了解下... 目录简介基本语法示例用法列出所有分区查看指定磁盘的区分管理指定的磁盘进入交互式模式创建一个新的分区删除一个存

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

关于Maven生命周期相关命令演示

《关于Maven生命周期相关命令演示》Maven的生命周期分为Clean、Default和Site三个主要阶段,每个阶段包含多个关键步骤,如清理、编译、测试、打包等,通过执行相应的Maven命令,可以... 目录1. Maven 生命周期概述1.1 Clean Lifecycle1.2 Default Li

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种:使用wm_concat() + distinct去重聚合第二种:使用listagg,

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统