肺栓塞CT影像诊断数据集PulmonaryEmbolismCTImagingDiagnosis-meglsy
数据来源：互联网公开数据
标签：肺栓塞, CT影像, 医学影像, 诊断, 机器学习, 影像组学, 疾病检测, 数据标注
数据概述：
该数据集包含来自医学影像研究的数据，记录了肺栓塞（PE）相关的CT影像诊断信息。主要特征如下：
时间跨度：数据未明确时间范围，可视为静态影像诊断数据集。
地理范围：数据来源未明确，但可用于全球范围内的肺栓塞诊断研究。
数据维度：数据集包含多个特征，包括：StudyInstanceUID（研究实例ID）、SeriesInstanceUID（序列实例ID）、SOPInstanceUID（SOP实例ID）、pe_present_on_image（影像中是否存在肺栓塞）、negative_exam_for_pe（是否为阴性检查）、qa_motion（是否存在运动伪影）、qa_contrast（对比度质量）、flow_artifact（是否存在血流伪影）、rv_lv_ratio_gte_1（右室与左室比例是否大于等于1）、rv_lv_ratio_lt_1（右室与左室比例是否小于1）、leftsided_pe（左侧肺栓塞）、chronic_pe（慢性肺栓塞）、true_filling_defect_not_pe（非肺栓塞的真实充盈缺损）、rightsided_pe（右侧肺栓塞）、acute_and_chronic_pe（急性和慢性肺栓塞）、central_pe（中央型肺栓塞）、indeterminate（不确定）、acute_pe（急性肺栓塞）、path（影像文件路径）、label_pe（肺栓塞标签）以及pe_fold_1到pe_fold_5（数据折叠分组）。
数据格式：CSV格式，文件名为train_pe_resampled.csv，便于数据分析与建模。
来源信息：数据来源于医学影像研究，经过处理并进行了结构化处理。
该数据集适合用于肺栓塞的CT影像诊断研究，以及基于机器学习的疾病检测模型开发。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于医学影像分析、影像组学、肺栓塞诊断等领域的学术研究，例如，基于CT影像的肺栓塞自动检测、诊断辅助系统的开发等。
行业应用：为医疗影像诊断公司、医院提供数据支持，用于开发和优化肺栓塞诊断工具，提高诊断效率和准确性。
决策支持：支持医生进行肺栓塞诊断，辅助临床决策。
教育和培训：作为医学影像学、放射学、人工智能医学应用等课程的辅助材料，帮助学生和研究人员深入理解肺栓塞的影像特征。
此数据集特别适合用于探索CT影像特征与肺栓塞诊断之间的关系，帮助用户构建和优化肺栓塞诊断模型，提高诊断准确率和效率。
