数据集概述
本数据集是一个精心整理的脑部CT影像数据集，包含6000张经过预处理的独特脑CT图像，专门用于支持创伤性脑损伤和颅内出血自动分类的机器学习研究。数据集按六种诊断类别均衡组织，每个类别包含1000张标注的CT切片，涵盖硬膜外出血、硬膜下出血、蛛网膜下腔出血、脑室内出血、脑实质内出血以及无出血（对照组）。所有图像采用标准化命名规则，便于AI流程集成。
文件详解
- 图像文件（Image Files）
- 文件名称： 遵循
[类别前缀]_[唯一数字标识符]_[类别名称]_UNIQUE[_aug_增强编号].png模式（例如：ID_104_epidural_UNIQUE_aug_5931.png）
- 文件格式： PNG
- 字段映射介绍： 文件名前缀直接对应六种诊断类别（epidural, subdural, subarachnoid, intraventricular, intraparenchymal, normal），中间部分为唯一数字标识符，后缀
UNIQUE表示图像唯一性，部分文件包含aug及编号表示数据增强版本。
- 目录结构（Directory Structure）
- 目录名称： 主目录下包含六个子目录，分别对应六种出血类型：epidural, intraparenchymal, intraventricular, normal, subarachnoid, subdural。
- 结构说明： 每个子目录专门存放对应类别的1000张PNG格式脑CT图像。
适用场景
- 医学影像自动分类: 用于开发和评估深度学习模型，实现六类颅内出血的自动检测与分类。
- 创伤性脑损伤研究: 支持与创伤性脑损伤相关的出血类型识别和诊断辅助工具开发。
- 机器学习模型基准测试: 作为高质量、均衡的数据集，用于不同分类算法的性能比较和基准测试。
- 医疗AI流程集成: 标准化的命名和目录结构便于集成到医疗人工智能研究和应用 pipeline 中。
