骨肿瘤预测影像与临床数据集-2021-syxlicheng
数据来源：互联网公开数据
标签：骨肿瘤,影像学,机器学习,深度学习,临床数据,预测模型,医学影像,MR成像,骨病变
数据概述：
本数据集旨在开发一种能够使用磁共振成像（MR）区分良性与恶性骨病变的深度学习算法。数据集包含两部分：影像数据模型和临床数据模型。影像数据模型基于EfficientNet架构或其他深度学习架构构建，最终分类层使用单个节点和Sigmoid激活函数进行二分类。临床数据模型则使用逻辑回归算法结合患者年龄、性别和病变位置等临床变量进行分类。病变位置包含21个具体部位，并进行独热编码处理。最终，通过堆叠集成方法将影像和临床特征模型结合，利用投票集成方法接收影像和临床特征模型的恶性概率输入，根据预测概率的加和生成输出结果。集成分类模型包括基于T1加权（T1W）影像、T2加权（T2W）影像和临床特征的逻辑回归模型。
数据用途概述：
该数据集适用于骨肿瘤的诊断和预测研究、医学影像分析、模型开发和评估等场景。研究人员可以利用此数据集训练和评估深度学习模型，提高骨肿瘤诊断的准确性；临床医生可以根据模型预测结果辅助诊断，优化治疗方案；教育机构可将该数据集用于医学影像学和机器学习的教学培训。此外，数据集也有助于医学界对骨肿瘤的进一步研究，推动相关领域的技术进步。
